(Python)从零开始,简单快速学机器仿人视觉Opencv—第十五节:Canny边缘检测

首先：

Canny边缘检测：cv2.Canny()  

任务1：原理

步骤1.1 噪音去除 由于边缘检测很容易受到噪音影响，所以第一步是使用5×5的高斯滤波器去除噪音。   步骤1.2 计算图像梯度 对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数（图像梯度）（Gx和Gy）。根据得到的这两幅梯度图找到边界的梯度和方向。公式如下：  
  梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和两条对角线。   步骤1.3 非极大值抑制 在获得梯度的方向和大小之后，应该对整幅图想做一个扫描，出去那些非边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的。  
  现在你得到的是一个包含“窄边界”的二值图像。   步骤1.4滞后阀值 现在要确定那些边界才是真正的边界，需要设置两个阀值：minVal和maxVal。当图像的灰度梯度高于maxVal时被认为是真的边界，那些低于minVal的边界会被抛弃。如果介于两者之间的话，就要看这个点是否与某个被确定为真正边界点相连，如果是，就认为它也是边界点，如果不是就抛弃。  

任务2：OpenCV中的Canny边界检测

cv2.Canny（）第一个参数是输入图像，第二和第三个分别是minVal和maxVal。第三个参数设置用来计算图像梯度的Sobel卷积核的大小，默认值为3。最后一个参数是L2gradient，它可以用来设定求梯度大小的方程。如果设为True，就睡使用我们上面提到过的方程，否则使用方程：
代替，默认值为False。  

import cv2
import numpy as np

img = cv2.imread('1024.jpg',0)
edges = cv2.Canny(img,100,200)

cv2.imshow("original",img)
cv2.imshow("edges",edge)
cv2.waitKey(0)
cv2.destroyAllWindows()

总结：

（本系列每周不定期持续更新，谢谢大家支持！）