Canny 边缘提取相关知识学习，图像处理第 32 篇博客

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 32 篇。

基础知识铺垫

Canny边缘提取的目标是找到一个最优的边缘检测算法，从这里能看出，目标依旧是提取边缘。

它的原理是：检测出图像中所有灰度值变化较大的点，这些点进行连接形成线条，线条的集合就是图像的边缘。

该边缘检测比较流行，我们进行一下学习吧。

在这里依旧补充一下图像里面什么是边缘：

直观上图像的边缘是灰度值突然改变的地方，边缘产生有以下几个原因：

表面法向量不连续（新知识，法向量：垂直于平面的直线所表示的向量为该平面的法向量）；
深度的不连续；
表面颜色的不连续；
光照的不连续。

好的边缘提取器的标准

该标准适用于检测所有边缘提取算法

Good detection：既不能过多的检测出噪声，也不能丢失边缘信息；
Good localization：边缘应该尽可能和真实图像边缘接近；
Single response：边缘提取的尽可能细，每个只占一个像素点。

Canny 边缘检测的相关说明

首先看一下网上对其步骤的说明：

图像降噪，使用高斯滤波器，消除噪声，使用 GaussianBlur 函数；
计算图像梯度，每个像素的梯度和方向都要计算，使用 Sobel 与 Scharr 函数；
非极大值抑制，消除边缘检测带来的杂散响应（新名词）；
阈值筛选，高低阈值输出二值图像。

Canny 函数原型

edges = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]])
edges = cv.Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]

参数说明如下：

image：输入图像；
threshold1：低阈值；
threshold2：高阈值；
edges：这个参数就比较迷了，输出的边缘图（为何不用 dst）；
apertureSize：算子大小，默认值为 3；
L2gradient：计算图像梯度的方式。

官方参数说明可以点击学习

测试代码如下：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
src = cv.imread("test1.jpg", 0)
# 图像降噪
src = cv.GaussianBlur(src, (3, 3), 0)
# 图像梯度
xgrad = cv.Sobel(src, cv.CV_16SC1, 1, 0)
ygrad = cv.Sobel(src, cv.CV_16SC1, 0, 1)

# Canny 边缘检测，50 为低阈值，150 为高阈值，参数必须符合1：3或者1：2
canny = cv.Canny(xgrad, ygrad, 50, 150)
# 直接用灰度图像
# canny = cv.Canny(gray, 50, 150)

imgs = np.hstack([src, canny])
plt.figure(figsize=(20, 10))
plt.imshow(imgs, "gray")
plt.axis('off')
plt.show()

运行之后，可以发现图像边缘提取的还可以。

20210203062210474[1].png

高低阈值筛选
如果 low，high 为阈值，那高于 high 的都保留，小于 low 的都丢弃，最终即可输出二值图像，推荐高低阈值比例为 1:3 或者 1:2。

上面代码还遗留一个小问题，即使用灰度图像，如果读取进来的图片没有进行该转换，最终得到的效果会有差异，效果图如下：

20210203063321734[1].png

官方手册相关知识可以点击

加入滑动条

对于这种涉及值的操作，都可以使用滑动条解决问题。

修改成动态调参代码与效果如下：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
src = cv.imread("test1.jpg")

cv.namedWindow("bar", cv.WINDOW_AUTOSIZE)

low_threshold = 0
high_threshold = 0


def do(x):
    global high_threshold
    if x != 0:
        high_threshold = 3 * x


cv.createTrackbar("low_threshold", "bar", 10, 100, do)

# 图像降噪
src = cv.GaussianBlur(src, (3, 3), 0)

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# 图像梯度
xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)

while True:
    low_threshold = cv.getTrackbarPos("low_threshold", "bar")
    canny = cv.Canny(gray, low_threshold, high_threshold)
    cv.imshow("canny", canny)
    if cv.waitKey(1) & 0xFF == 27:
        break

cv.destroyAllWindows()

20210203064250534[1].gif

橡皮擦的小节

希望今天的 1 个小时（今天内容有点多，不一定可以看完），你有所收获，我们下篇博客见~

相关阅读

技术专栏

Python 爬虫 100 例教程，超棒的爬虫教程，立即订阅吧
Python 爬虫小课，精彩 9 讲

逗趣程序员

曝光，程序员的 10 个摸鱼神器
5 个无聊 Python 程序，用 Python 整蛊你的朋友们吧
10 年老程序员教你甩锅必杀技，论【如何优雅的甩锅】
你想被开除吗？来看看程序员【离职小技巧】吧

今天是持续写作的第 73 / 100 天。
如果你有想要交流的想法、技术，欢迎在评论区留言。