Python+Opencv Canny边缘检测

Canny边缘检测流程：

去噪 --> 梯度 --> 非极大值抑制 --> 滞后阈值

• 去噪
  • 边缘检测容易受到噪声的影响。因此，在进行边缘检测前，通常需要先进行去噪
  • 通常采用高斯滤波器去除噪声
    • 让临近的像素具有更高的重要性。对周围像素计算加权平均值，较近的像素具有较大的权重值。
• 梯度/角度
  • 对平滑后的图像采用sobel算子计算梯度和方向
    • 梯度 $$Edg{e}_{Gradient(G)}=\sqrt{G_x^2+G_y^2}$$
    • 角度 $$Angle(\theta )=ta{n}^{-1}(\frac{G_x}{G_y})$$
      • 梯度的方向一般总与边界垂直
      • 梯度方向被归为四类：垂直，水平，和两个对角线
• 非极大值抑制
  • 在获取了梯度和方向后，遍历图像，去除所有不是边界的点
  • 实现方法： 逐个遍历像素点，判断当前像素点是否是周围像素点中具有相同方向梯度的最大值
• 滞后阈值
  $$\{\begin{array}{ll}梯度值>maxVal& 边界\\ maxVal>梯度值>minVal& 与边界相连，保留。否则抛弃\\ 梯度值<minVal& 抛弃\end{array}$$

Canny函数及使用

• 函数Canny edges = cv2.Canny(image, threshold1, threashold2)
  • 参数
    • image : 原始图像
    • threshold1 : 阈值1 (minVal)
    • threshold2 : 阈值2 (maxVal)
  • 返回值
    • edges : 边缘图像

Canny实例

import cv2

o = cv2.imread("/home/forrest/图片/lena彩图.jpg", cv2.IMREAD_GRAYSCALE)
cv2.imshow("lena", o)

r1 = cv2.Canny(o, 100, 200)
cv2.imshow("result1", r1)

r2 = cv2.Canny(o, 64, 128)
cv2.imshow("result2", r2)

cv2.waitKey()
cv2.destroyAllWindows()

• 原图
  
• 结果1
  
• 结果2