图像边缘检测Canny

DB_UP2024-09-01 16:13

一、Canny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，边缘检测的目的是标识数字图像中亮度变化明显的点。

Canny边缘检测算法是由4步构成：噪声去除 、计算图像梯度 、非极大值抑制 、滞后阈值

1、噪声去除 ：由于边缘检测很容易受到噪声的影响，Canny边缘检测噪声处理采用5x5**⾼斯滤波器** 去除噪声。

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，根据两个一阶导计算边界的梯度和方向。如果像素点是边缘，则其梯度方向总是与边缘垂直。

3、非极大值抑制 ：对整幅图像进行扫描，去除那些非边界上的点。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，若为极大值，则进行保留，否则A点被抑制。

4、滞后阈值 ：设置两个值: minVal和 maxVal。当图像的灰度梯度高于 maxVal 时被认为是真的边界，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的边界点相连，如果是就认为它也是边界点，如果不是就抛弃。
案例

API：

python 复制代码

canny = cv2.Canny(image, threshold1, threshold2)
image:灰度图
threshold1: minval，较⼩的阈值
threshold2: maxval，较⼤的阈值

示例：

python 复制代码

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']    #定义使其正常显示中文字体黑体
# plt.rcParams['axes.unicode_minus'] = False     #用来正常显示表示负号
# 1 图像读取
img = cv.imread('./image/dog.jpg',0)
# 2 Canny边缘检测
canny = cv.Canny(img,10,100) 
# 3 图像展示
plt.figure(figsize=(10,8))
plt.subplot(121),plt.imshow(img,cmap=plt.cm.gray),plt.title('原图')
plt.xticks([]), plt.yticks([]) #x，y轴置空
plt.subplot(122),plt.imshow(canny,cmap = plt.cm.gray),plt.title('Canny检测后结果')
plt.xticks([]), plt.yticks([])
# 4、保存图像到本地
plt.savefig('canny_detection_result.png')  
plt.show()