一、Canny边缘检测
Canny 边缘检测是一种使用多级边缘检测算法检测边缘的方法。
Canny()边缘检测步骤：
Canny 边缘检测分为如下几个步骤：
1.去噪。噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉。
2.计算梯度的幅度与方向。
3.非极大值抑制，即适当地让边缘"变瘦"。
4.确定边缘。使用双阈值算法确定最终的边缘信息。
1. 滤波去除图像噪声
图像边缘容易受到噪声的干扰，为了避免检测到错误的边缘信息，通常需要对图像进行滤波以去除噪声。滤波的目的是平滑一些纹理较弱的非边缘区域，以得到更准确的边缘。滤波，就是通过滤波器（核/模板）对像素点周围的像素加权计算平均值。滤波器的核越大，边缘信息对于噪声的敏感度就越低。不过，核越大，边缘检测的定位错误也会随之增加。
2. 计算梯度
梯度的方向与边缘的方向是垂直的。 边缘检测算子返回水平方向的Gx和垂直方向的Gy。梯度的幅度𝐺和方向𝛩（用角度值表示）为：
3. 非极大值抑制
在获得了梯度的幅度和方向后，遍历图像中的像素点，去除所有非边缘的点。逐一遍历像素点，判断当前像素点是否是周围像素点中具有相同梯度方向的最大值，并根据判断结果决定是否抑制该点。
针对每一个像素点： 如果该点是正/负梯度方向上的局部最大值，则保留该点。如果不是，则抑制该点（归零）。
4. 应用双阈值确定边缘
完成上述步骤后，图像内的强边缘已经在当前获取的边缘图像内。但是，一些虚边缘可能也在边缘图像内。这些虚边缘可能是真实图像产生的，也可能是由于噪声所产生的。对于后者，必须将其剔除。设置两个阈值，其中一个为高阈值 maxVal，另一个为低阈值 minVal。根据当前边缘像素的梯度值（指的是梯度幅度，下同）与这两个阈值之间的关系，判断边缘的属性。具体步骤为：
(1)如果当前边缘像素的梯度值大于或等于 maxVal，则将当前边缘像素标记为强边缘。
(2)如果当前边缘像素的梯度值介于maxVal 与 minVal 之间，则将当前边缘像素标记为虚边缘（需要保留）。
(3)如果当前边缘像素的梯度值小于或等于 minVal，则抑制当前边缘像素。 得到了虚边缘后，需要对其做进一步处理。
通过判断虚边缘与强边缘是否连接，来确定虚边缘到底属于哪种情况。通常情况下，如果一个虚边缘：与强边缘连接，则将该边缘处理为边缘。与强边缘无连接，则该边缘为弱边缘，将其抑制。
二、Canny 函数及使用
edge = cv2.Canny(image, threshold1, threshold2, apertureSize, L2gradient)
image：要检测的图像，通常是灰度图像，必须是单通道图像（ CV_8UC1）。
threshold1：阈值1（最小值）， 如果像素值小于该值，则被认为不是边缘。
threshold2：阈值2（最大值），如果像素值大于该值，则被认为是强边缘。
apertureSize：sobel算子（卷积核）大小
L2gradient ：布尔值。
True：使用更精确的L2范数进行计算（即两个方向的导数的平方和再开方）
False：使用L1范数（直接将两个方向导数的绝对值相加）
# canny 边缘检测
import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块
# 1.读取图片
src = cv.imread('2.jpg') #读取图像
print('src.shape=',src.shape)
# 2.转换为灰度图像
gray_img = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
# 3.分割图像
[b,g,r ]=cv.split(src)
print('b.shape=',b.shape)
cv.imshow('b',b)
cv.imshow('g',g)
cv.imshow('r',r)
# 4.通道合并
mergesrc = cv.merge([b,g,r]) #合并
cv.imshow('mergesrc',mergesrc)
# 5.边缘检测
edge1=cv.Canny(src,10,50) #边缘检测
edge2=cv.Canny(src,100,150) #边缘检测
edge3=cv.Canny(src,255,500) #边缘检测
edge4=cv.Canny(src,255,800) #边缘检测
#print('b=',b)
# 6.水平拼接edge3和edge4图像
edge5=np.hstack((edge3,edge4))
# 7.显示和保存图像
cv.imshow('src',src)
cv.imshow('edge1',edge1)
cv.imwrite('Canny-edge1.png', edge1) #保存图像
cv.imshow('edge2',edge2)
cv.imwrite('Canny-edge2.png', edge2) #保存图像
cv.imshow('edge3',edge3)
cv.imwrite('Canny-edge3.png', edge3) #保存图像
cv.imshow('edge4',edge4)
cv.imwrite('Canny-edge4.png', edge4) #保存图像
# 8.显示拼接图片
cv.namedWindow('Canny-edge5',0 )
cv.imshow('Canny-edge5', edge5)
cv.waitKey() # 图像不关闭
cv.destroyAllWindows() # 释放所有窗口