Canny边缘检测算法原理及其OpenCV实现

1、简介

Canny边缘检是Canny在1986年提出来的，目前仍是图像边缘检测算法中最经典、先进的算法之一。

2、Canny边缘检测算法主要步骤

2.1 图像平滑

• 使用高斯滤波器，完成图像平滑，滤除噪声；

2.2 计算梯度及其方向

• 利用soble算子、Prewitt算子、Roberts算子等计算图像中每个像素点的梯度强度和方向，其中soble算子又分为水平算子和竖直算子，用水平算子和竖直算子分别与原图像卷积，得到竖直和水平方向的梯度分量，如下所示：
  
  然后采用以下方式计算总梯度：
  
  有时为了简化计算，也采用以下方式：
  

2.3 非极大值抑制

计算完 每个像素点的梯度强度和方向后，采用非极大值抑制的方法，保留局部梯度最大的点，以得到细化的边缘，消除边缘检测带来的杂散响应。
边缘方向和梯度方向是垂直的，且梯度方向或边缘方向绝大多数情况下并不是水平或竖直的。那么这就引出了非极大值抑制的两种方法：

2.3.1 插值法

如下图所示：

根据差值如上图所示方法，计算当前点前后位置处的差值梯度强度，如果当前点梯度大小小于前后位置处的差值梯度强度，则说明当前点不在边缘上，非边缘点。

2.3.2 简化方法

如下图所示：
实际上我们可以用上图所示方法进行简化，将当前点周围简化为八个方向（四个方向），看梯度方向与八个方向中的哪个最接近，就用哪个方向上的相邻两点梯度大小与当前点梯度大小进行比较。

2.4 双阈值检测

应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

如上图所示：

• 选取系数TH和TL，比率为2:1或3:1。（一般取TH=0.3或0.2,TL=0.1）；

• 将小于低阈值的点抛弃，赋0；将大于高阈值的点立即标记（这些点为确定边缘点），赋1或255；

• 将小于高阈值，大于低阈值的点使用8连通区域确定（即：只有与TH像素连接时才会被接受，成为边缘点，赋 1或255）

3、Opencv实例

img=cv2.imread("gauge.jpg",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,120,250)   #120和250分别对应底阈值和高阈值
v2=cv2.Canny(img,50,100)    #不同的双阈值效果对比

res = np.hstack((v1,v2))
cv_show(res,'res')

输出：