opencv学习十四：Canny边缘检测算法

Canny边缘检测

cannny算法介绍

非极大值抑制：在获得梯度和方向，去除所有不是边界的点。
实现方向：逐渐遍历像素点，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。是保留，不是则为0.

cannny代码实现
edges=cv2.Canny(image,threshold1,threshold2)
edges：处理结果
image:原始图像
threshold1:minVal
threshold2:maxVal
如果想让边界细节更多，则把threshold1和threshold2设小些。
代码如下：

import cv2 as cv
import numpy as np

def edge_demo(image):
    blurred = cv.GaussianBlur(image, (3, 3), 0)#为什么要GaussianBlur？
    #因为blur可以降低噪声，Canny算法对噪声敏感，降噪之后效果要好,也不能模糊太厉害，去掉了边缘信息。
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
    #X Gradient
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0) #x和y方向的结果
    # Y Gradient
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    #edge
    edge_output = cv.Canny(xgrad, ygrad, 50, 150)#低阈值50.高阈值150
    #或者直接用cv.Canny
    #edge_output = cv.Canny(gray, 50, 150)#低阈值50.高阈值150
    cv.imshow("Canny Edge", edge_output)

    dst = cv.bitwise_and(image, image, mask=edge_output)
    cv.imshow("Color Edge", dst)


src = cv.imread("C:/Users/lenovo/Desktop/opencv/daima/banknum/template-matching-ocr/images/lena.jpg")  #读取图片位置
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
edge_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

运行截图：
先计算梯度 后使用Canny算法

不计算梯度 直接使用Canny算法

blurred = cv.GaussianBlur(image, (3, 3), 0)#高斯模糊，降低噪声。canny对噪声比较敏感，也不能模糊太厉害，去掉了边缘信息。
edge_output = cv.Canny(xgrad, ygrad, 50, 150)
#edge_output = cv.Canny(gray, 50, 150)
是相同的
高阈值应该是低阈值的3倍