OpenCV---Canny边缘提取

一：Canny算法介绍

Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：
好的检测- 算法能够尽可能多地标识出图像中的实际边缘。
好的定位- 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。
最小响应- 图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。

推文：Canny边缘检测算法原理及其VC实现详解(一)

1.高斯模糊--GaussianBlur　　消除噪声。 一般情况下，使用高斯平滑滤波器卷积降噪。，因为canny是对噪声敏感的算法，所以先降噪，但是降噪不要太过，以免丢失
2.灰度转换--cvtColor　　
3.计算梯度--Sobel/Scharr
4.非最大信号抑制
5.高低阈值输出二值图像

补充：

非最大信号抑制

在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0

sobel算子中有一个x,y
根据x,y可以求出一个θ角度

1.要进行非极大值抑制，就首先要确定像素点C的灰度值在其8值邻域内是否为最大。是最大则下一步

2.图中蓝色的线条方向为C点的梯度方向，这样就可以确定其局部的最大值肯定分布在这条线上，也即出了C点外，梯度方向的交点dTmp1和dTmp2这两个点的值也可能会是局部最大值。
  因此，判断C点灰度与这两个点灰度大小即可判断C点是否为其邻域内的局部最大灰度点。

3.如果经过判断，C点灰度值小于这两个点中的任一个，那就说明C点不是局部极大值，那么则可以排除C点为边缘。

完成非极大值抑制后，会得到一个二值图像，非边缘的点灰度值均为0，可能为边缘的局部灰度极大值点可设置其灰度为128。
根据下文的具体测试图像可以看出，这样一个检测结果还是包含了很多由噪声及其他原因造成的假边缘。因此还需要进一步的处理。

高低阈值输出二值图像

 二：Canny边缘提取实现

def edge_demo(image):
    #1.高斯模糊
    blurred = cv.GaussianBlur(image,(3,3),0)
    #2.灰度转换
    gray = cv.cvtColor(blurred,cv.COLOR_RGB2GRAY)
    #3.计算梯度
    xgrad = cv.Sobel(gray,cv.CV_16SC1,1,0)  #canny方法API要求不允许使用浮点数
    ygrad = cv.Sobel(gray,cv.CV_16SC1,0,1)
    #4.Canny方法中包含非最大信号抑制和双阈值输出
    edge_output = cv.Canny(xgrad,ygrad,50,150)  #50是低阈值，150是高阈值
    cv.imshow("Canny Edge",edge_output)

    dst = cv.bitwise_and(image,image,mask=edge_output)　　#相与，获取颜色
    cv.imshow("Color Edge",dst)

src = cv.imread("./g.png")  #读取图片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应
cv.imshow("input image",src)    #通过名字将图像和窗口联系

edge_demo(src)

cv.waitKey(0)   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

 使用Canny计算梯度

def edge_demo(image):
    #1.高斯模糊
    blurred = cv.GaussianBlur(image,(3,3),0)
    #2.灰度转换
    gray = cv.cvtColor(blurred,cv.COLOR_RGB2GRAY)
    #3.直接传入灰度图像，Canny方法中包含计算梯度，非最大信号抑制和双阈值输出
    edge_output = cv.Canny(gray,50,150)  #50是低阈值，150是高阈值
    cv.imshow("Canny Edge",edge_output)

    dst = cv.bitwise_and(image,image,mask=edge_output)
    cv.imshow("Color Edge",dst)

 相关知识补充

（一）Canny方法

（1）需要我们求出梯度

Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges

使用带自定义图像渐变的Canny算法在图像中查找边缘，

其函数原型为：Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges

dx参数表示输入图像的x导数（x导数满足16位，选择CV_16SC1或CV_16SC3）

dy参数表示输入图像的y导数（y导数满足16位，选择CV_16SC1或CV_16SC3）。

threshold1参数表示设置的低阈值。

threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。

edges参数表示输出边缘图像，单通道8位图像。

L2gradient参数表示L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）。

（2）直接调用Canny算法在单通道灰度图像中查找边缘，

def Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None): # real signature unknown; restored from __doc__

image参数表示8位输入图像。

threshold1参数表示设置的低阈值。

threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。

edges参数表示输出边缘图像，单通道8位图像。

apertureSize参数表示Sobel算子的大小。

L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）。