opencv python Canny边缘检测

Canny Edge Detection

Canny边缘检测是一种流行的边缘检测算法. 它是由John F. Canny开发的，

这是一个多阶段算法. 减少噪音

由于边缘检测容易受到图像中噪声的影响，因此第一步是使用5x5高斯滤波器来去除图像中的噪声. 计算图像梯度

使用sobel运算符为平滑图像计算水平和垂直方向的一阶导数，以获得图像梯度（Gx和Gy）. 根据梯度图找到边界梯度和方向

$$ Edge \ _Gradient \; （G）= \ sqrt {G_x ^ 2 + G_y ^ 2} $$

$$ \角度（\ theta）= \ tan ^ {-1} \ bigg（\ frac {G_y} {G_x} \ bigg）$$

梯度方向通常垂直于边界，有四个类别: 垂直，水平和两个对角线非最大抑制

获得梯度幅度和方向后canny边缘检测处理算法比较，请完成图像的完整扫描，以去除可能不构成边缘的所有不需要的像素. 为此，请在每个像素处检查像素是否在其梯度方向上.

点A在边缘（垂直方向）上，并且渐变方向垂直于边缘. 点B和C在梯度方向上. 因此，将A点与B点和C点一起检查，看是否形成局部最大值. 如果是这样，请考虑进行下一个阶段，否则将其抑制（置零）.

磁滞阈值

此阶段确定哪些边缘是边缘，哪些不是边缘. 为此，我们需要两个阈值minVal和maxVal. 强度梯度大于maxVal的边缘必须为边缘，而低于minVal的边缘必须为非边缘，因此被舍弃. 应该判断两者之间的值是否连接到真实边界. 如果已连接，它将被保留.

边缘A高于maxVal，因此被视为“真实边缘”.

尽管边C低于maxVal，但它连接到边Acanny边缘检测处理算法比较，因此也被视为有效边，并获得了完整的曲线.

但是边缘B高于minVal，并且与边缘C的面积相同，但是它没有连接到任何“真实边缘”，因此将其丢弃.

因此，我们必须相应地选择minVal和maxVal以获得正确的结果

我们最终得到的是图像中的强边缘

cv2.Canny（图像，threshold1，threshold2 [，edges [，pertureSize [，L2gradient]]]）

$$ Edge \ _Gradient \; （G）= | G_x | + | G_y | $$

代码:

import cv2
from matplotlib import pyplot as plt
img = cv2.imread('img.jpg',0)
edges = cv2.Canny(img,100,200)
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
plt.show()

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-261845-1.html