OpenCV Canny边缘检测

        本文是OpenCV图像视觉入门之路的第13篇文章，本文详细的介绍了Canny边缘检测算子的各种操作，例如：Canny算子进行边缘检测等操作。

Canny函数是OpenCV中用于执行边缘检测的函数之一，其参数包括：

• threshold1：第一个阈值，用于在检测到的边缘上消除弱的像素点。通常设置为较小的值，例如50或100。
• threshold2：第二个阈值，用于确定哪些像素点是强边缘，哪些是弱边缘。通常设置为较大的值，例如150或200。
• apertureSize：Sobel算子的核大小。通常设置为3，表示使用一个3x3的核，但也可以设置为5、7或其他值。
• L2gradient：一个布尔值，指示是否使用L2范数来计算梯度幅值。如果设置为False，则使用L1范数。

Canny算法的基本原理如下：

1. 去噪：由于图像可能存在噪声，需要对图像进行高斯平滑来去除噪声。

2. 计算梯度幅值和方向：使用Sobel算子对平滑后的图像进行梯度计算，并计算每个像素点的梯度幅值和方向。

3. 非极大值抑制：对每个像素点的梯度幅值进行非极大值抑制，以保留边缘的细节。

4. 双阈值检测：使用两个阈值来确定哪些边缘是强边缘，哪些是弱边缘。通常，梯度幅值大于第二个阈值的像素点被认为是强边缘，梯度幅值小于第一个阈值的像素点被认为不是边缘，而位于两个阈值之间的像素点被认为是弱边缘。

5. 滞后阈值处理：对于位于两个阈值之间的像素点，如果其与某个强边缘相连，则将其视为强边缘，否则将其视为非边缘。这个过程叫做滞后阈值处理，可以进一步增强边缘的连通性。

Canny算法的目标是从图像中提取出尽可能准确的边缘信息，并尽量避免将噪声或者其他不重要的信息误判为边缘。

import cv2
import numpy as np
from numpy import unicode

if __name__ == '__main__':
    img = cv2.imread('D:/Jupyter_Notebooks/0.jpg', cv2.IMREAD_GRAYSCALE)

    # v1 = cv2.Canny(img, 80, 150)
    # v2 = cv2.Canny(img, 50, 100)

    v1 = cv2.Canny(img, 120, 250)
    v2 = cv2.Canny(img, 50, 100)

    #res = np.hstack((v1, v2))

    cv2.imshow("v1", v1)
    cv2.imshow("v2", v2)

    cv2.waitKey(0)
    cv2.destroyAllWindows()