opencv python Canny边缘检测
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
由于边缘检测易受图像中的噪声影响，因此第一步是使用5x5高斯滤波器去除图像中的噪声. - 计算图像梯度
对平滑后的图像使用sobel算子在水平与竖直方向上计算一阶导数，得到图像梯度（Gx和Gy）。根据梯度图找到边界梯度和方向
$$ Edge\_Gradient \; (G) = \sqrt{G_x^2 + G_y^2} $$
$$\ Angle (\theta) = \tan^{-1} \bigg(\frac{G_y}{G_x}\bigg) $$
梯度方向一般与边界垂直，有四类：垂直、水平、两个对角线 - 非极大值抑制
在获得梯度幅度和方向之后，完成图像的全扫描以去除可能不构成边缘的任何不需要的像素.为此，在每个像素处，检查像素是否是其在梯度方向上的邻域中的局部最大值.
A点位于边缘（垂直方向），梯度方向与边缘垂直. B点和C点处于梯度方向。 因此，用点B和C检查点A，看它是否形成局部最大值.如果是这样，则考虑下一阶段，否则，它被抑制（置零）. - 滞后阈值
这个阶段决定哪些边缘是边缘，哪些边缘不是边缘. 为此，我们需要两个阈值，minVal和maxVal. 强度梯度大于maxVal的边缘肯定是边缘，而minVal以下的边缘肯定是非边缘的，因此被丢弃. 两者之间的值要判断是否与真正的边界相连，相连就保留，不相连舍弃.
边缘A高于maxVal，因此被视为“真实边缘”。
虽然边C低于maxVal，但它连接到边A，因此也被视为有效边，我们得到完整的曲线。
但边缘B虽然高于minVal并且与边缘C的区域相同，但它没有连接到任何“真实边缘”，因此被丢弃。
因此，我们必须相应地选择minVal和maxVal才能获得正确的结果
我们最终得到的是图像中的强边缘
OpenCV中的Canny边缘检测
cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]])
- image:输入图像
- threshold1和threshold2：minVal和maxVal
- apertureSize：用于查找图像渐变的Sobel内核的大小，3（默认）
- L2gradient：指定用于查找梯度幅度的等式，如果它是True，它使用上面提到的更准确的等式，否则它=False（默认）使用：
$$Edge\_Gradient \; (G) = |G_x| + |G_y|$$
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()