>#OpenCV Canny边缘检测(学习笔记) [TOC] ## Canny边缘检测 tn2>Canny边缘检测主要是按照如下步骤来进行的边缘检测： 1.使用高斯滤波器，以平滑图像，滤除噪声。（降噪） 2.计算图像中每个像素点的梯度强度和方向。（使用sobel算子） 3.应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。 4.应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。 5.通过抑制孤立的弱边缘最终完成边缘检测。 ### 高斯滤波器 tn2>边缘检测易受噪声影响，所以使用高斯滤波器平滑图像，降低噪声。 ### 计算梯度大小 tn2>使用sobel算子计算图像中每个像素点的梯度大小和方向。  tn2>通过的sobel求导得出`3*3`的卷积核，通过上面两个公式得出对应的梯度。 接着我们通过下面的公式进行计算梯度的大小和方向。  tn2>基本的方向就那标志的8种方向。 ### 非极大值抑制 tn2>遍历图像中的所有的像素点，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。 举例：在下图中，第一列方向都是向上，只取最大梯度值`7`；第二列方向也都是向上，取最大梯度值`8`;  tn>保留黄色背景的像素点，其他的归为`0`。 ### 双阈值处理 tn2>指定两个值`minVal`和`maxVal`，设定最小的阈值和最大的阈值。 规则如下： 1.梯度值>maxVal:则处理为边界。 2.minVal<梯度值<maxVal:连有边界则保留，否则舍弃 3.梯度值<minVal：则舍弃 举例：  tn2>`B`线条虽然在`minVal`与`maxVal`之间，但是没有高于`maxVal`的线条作为连接，所以直接舍弃。 `C`线条虽然也在此区间，但是它有`A`线条的连接所以它可以保留。 ## 代码实践 tn2>接下来我们使用`canny`对`lena.jpg`图片进行边缘处理，分别展示阈值在`80-150`和`50-100`之间的区别。 ```python import cv2 #opencv读取的格式是BGR import numpy as np import matplotlib.pyplot as plt#Matplotlib是RGB %matplotlib inline # 展示图片 def cv_show(img,name): cv2.imshow(name,img) cv2.waitKey() cv2.destroyAllWindows() img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE) v1=cv2.Canny(img,80,150) v2=cv2.Canny(img,50,100) res = np.hstack((v1,v2)) cv_show(res,'res') ```  tn2>我们发现阈值在`50-100`区间更细。 再对一张`car.png`的图片做例子： ```python img=cv2.imread("car.png",cv2.IMREAD_GRAYSCALE) v1=cv2.Canny(img,120,250) v2=cv2.Canny(img,50,100) res = np.hstack((v1,v2)) cv_show(res,'res') ```