使用OpenCV怎么实现Canny边缘检测

今天就跟大家聊聊有关使用OpenCV怎么实现Canny边缘检测，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

1. Canny 边缘检测理论

Canny 是一种常用的边缘检测算法. 其是在 1986 年 John F.Canny 提出的.
Canny 是一种 multi-stage 算法，分别如下：

具体流程：

• 高斯滤波：平滑图像，消除噪声

• 梯度和方向计算：利用Sobel算子计算每个像素点的梯度和方向

• 非极大值抑制：消除边缘检测带来的杂散相应

• 双阈值：检测真正和潜在的边缘

• 抑制弱边缘：通过抑制弱边缘来完成边缘检测

1.1、高斯滤波

高斯滤波最重要的还是卷积核核，通常使用高斯平滑滤波器卷积降噪，这里以size=3的高斯内核为例：这里做了归一化处理（元素和为 1）

高斯去噪其实就是一个低通滤波器，滤除高频噪声。

1.2、Sobel算子计算梯度和方向

计算方法：

这里 是指水平方向的掩码模板，是指垂直方向的掩码模板。根据上面的模板可以计算出图像梯度幅值和方向。

1.3、非极大值抑制（定位准确的边缘同时可缩小边缘线宽）

非极大值抑制是进行边缘检测的重要步骤，通俗的来说，就是获取局部的最大值，将非极大值所对应的灰度值设置为背景像素点。像素邻近区域满足梯度值的局部最优值判断为该像素的边缘，对非极大值相关信息进行抑制。利用这个准则可以剔除大部分的非边缘点。

简单的说呢？就是保留梯度大的像素点点，对于那些在边缘旁边的杂散点，梯度相对较小，利用非极大值抑制就可以很好的去除杂散点。

1.4、双阈值检测

这里的双阈值并不是说介于阈值之间的像素保留，外面的的去除。这里的阈值检测有所不同。

分析：

• 梯度大于maxVal的像素点保留，视为边缘

• 梯度小于minVal的像素点弃用，不视为边缘

• 梯度介于两者之间的，分情况判断：

• 四周有包含大于maxVal的像素点，视为边缘

• 四周没有大于maxVal的像素点，不视为边缘

根据上面的分析，我们可以得出来：A, D点位边界； B， C点不是边界。

注意：

具体这两个值怎么设置，我们就要分析两个值变化对图像的影响。

• maxVal: 带来最明显的差异，增大maxVal无疑会导致原来的边界点可能会直接消失。但这种消失时是成片消失。

• minVal: 增大minVal，会导致有些待定像素点被弃用，也就是靠近边界像素点的介于双阈值之间的被弃用。导致的现象就是边界出现破损，这种非成片消失。只是边界信息不完整。

下面以 video = cv2.Canny(img, 80, 250) 为例：分别增大minVal和maxVal。

增大minVal: （边界出现缺损）

增大maxVal: （边界出现成片消失，边界信息完整）

总结：

在实际应用中，观察梯度图像，如果边界信息缺损，那么适当的减小minVal;如果有不想要的区域出现，那么适当的增加MaxVal。

2. OpenCV 之 Canny 边缘检测

OpenCV 提供了 cv2.canny() 函数.

edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])

• 参数 Image - 输入图片，必须为单通道的灰度图

• 参数 threshold1 和 threshold2 - 分别对应于阈值 minVal 和 maxVal

• 参数 apertureSize - 用于计算图片提取的 Sobel kernel 尺寸. 默认为 3.

• 参数 L2gradient - 指定计算梯度的等式. 当参数为 True 时，采用 1.2 中的梯度计算公式，其精度更高；否则采用的梯度计算公式为：. 该参数默认为 False.

具体代码：

import cv2import numpy as npimport matplotlib.pyplot as plt img = cv2.imread('test.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()

带 minVal 和 maxVal 滑动条的使用：

import numpy as npimport cv2 def nothing(x):    pass img=cv2.imread('test.jpg',0) cv2.namedWindow('res')cv2.createTrackbar('min','res',0,25,nothing)cv2.createTrackbar('max','res',0,25,nothing)while(1):    if cv2.waitKey(1) & 0xFF == 27:        break    maxVal=cv2.getTrackbarPos('max','res')    minVal=cv2.getTrackbarPos('min','res')    canny=cv2.Canny(img,10*minVal,10*maxVal)    cv2.imshow('res',canny)cv2.destroyAllWindows()

看完上述内容，你们对使用OpenCV怎么实现Canny边缘检测有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注编程网行业资讯频道，感谢大家的支持。