文章目录
前言
在做某些图像处理时，通常需要将识别到的物体边界提取 出来，从而帮助我们实现目标检测，这就需要用到边缘检测，例如人脸识别和运动目标的检测都需要先进行边缘检测，这篇文章就记录一下边缘检测的原理及应用代码。
一、边缘检测原理
边缘检测是图像处理和计算机视觉中的基本问题 ，其目的在于标识数字图像中亮度变化明显 的点，图像边缘检测大幅度地减少了数据量 ，并且剔除 了可看作不相关的信息 ，保留 了图像重要的结构属性。边缘的表现形式如下图所示：
常用的Canny边缘检测算法实际上是通过寻找图像一阶导数 中的最大值和最小值 来检测边界，通常是将边界定位在梯度最大的方向。
二、Canny边缘检测算法
Canny 边缘检测算法 是一种非常流行的边缘检测算法，是 John F.Canny 于 1986 年提出的，被认为是最优的边缘检测算法。它可分为4个步骤：去除噪声、计算图像梯度、非极大值抑制和滞后阈值。
（一）去除噪声
边缘检测极易 受到噪声影响，因此需要使用高斯滤波器去除噪声，具体方法可以查看本专栏的前一篇文章，下图是去除噪声和没去除噪声的边缘检测对比：
显然第三张未去除噪声的边缘检测不够清晰，非常混乱，不方便进行识别
（二）计算图像梯度幅值与方向
图像中用梯度表示灰度值 的变化程度与方向 ，而边缘 就是指灰度强度变化最强的位置。 梯度方向与边缘方向呈垂直关系，具体的计算方法在这里就不做记录了。
（三）非极大值抑制
非极大值抑制，即保留局部最大值，抑制非局部最大值的所有值。简单而言，就是对图像的所有像素点进行检测，如果某点的梯度强度大于其梯度方向的正负方向的像素点，则该点保留；否则，该点被抑制。Canny 边缘检测算法是沿着梯度方向对幅值进行非极大值抑制的，而非边缘方向。
（四）滞后阈值
为了确定真正的边界，需要设定两个阈值 "minVal" 和 "maxVal"。 当图像某点的灰度梯度大于阈值 "maxVal" ，该点被视为真的边界点；当某点的灰度梯度小于阈值"minVal"，则该点不看作边界点；当某点的灰度梯度介于两个阈值之间，根据该点是否与真的边界点相连来进行判断，相 连则将该点也看作边界点，否则将其抛弃。
Canny边缘检测函数如下：
python
cv2.Canny(image, threshold1, threshold2)其中的三个参数分别为：
（1）"image"， 进行边缘检测的图像
（2）"threshold1"， 是低阈值 "minVal"
（3）"threshold2"， 是高阈值 "maxVal"
三、具体应用代码
进行Canny边缘检测的具体应用代码如下：
python
import cv2
# 图像读取
img = cv2.imread('KAI.jpg')
# Canny边缘检测
minVal = 1 # 设置低阈值
maxVal = 80 # 设置高阈值
blur = cv2.GaussianBlur(img, (5, 5), 1) # 进行高斯滤波
canny = cv2.Canny(blur, minVal, maxVal) # 进行边缘检测
# 图像展示
cv2.imshow('edge', canny)
cv2.waitKey(0)
cv2.destroyAllWindows()代码效果如下：
