Python+OpenCV圖像處理（十三）—— Canny邊緣檢測

簡介：

1.Canny邊緣檢測算子是John F. Canny於 1986 年開發出來的一個多級邊緣檢測算法。

2.Canny 的目標是找到一個最優的 邊緣檢測算法，最優邊緣檢測的含義是：

好的檢測- 算法能夠盡可能多地標識出圖像中的實際邊緣。

好的定位- 標識出的邊緣要盡可能與實際圖像中的實際邊緣盡可能接近。

最小響應- 圖像中的邊緣只能標識一次，並且可能存在的圖像噪聲不應標識為邊緣。

3.算法步驟：

　　①高斯模糊 - GaussianBlur
　　②灰度轉換 - cvtColor
　　③計算梯度 – Sobel/Scharr
　　④非最大信號抑制
　　⑤高低閾值輸出二值圖像

代碼如下：

#Canny邊緣提取
import cv2 as cv
def edge_demo(image):
    blurred = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(blurred, cv.COLOR_RGB2GRAY)
    # xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0) #x方向梯度
    # ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1) #y方向梯度
    # edge_output = cv.Canny(xgrad, ygrad, 50, 150)
    edge_output = cv.Canny(gray, 50, 150)
    cv.imshow("Canny Edge", edge_output)
    dst = cv.bitwise_and(image, image, mask= edge_output)
    cv.imshow("Color Edge", dst)
src = cv.imread('E:/imageload/liu.jpg')
cv.namedWindow('input_image', cv.WINDOW_NORMAL) #設置為WINDOW_NORMAL可以任意縮放
cv.imshow('input_image', src)
edge_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

注：其中第9行代碼可以用6、7、8行代碼代替！兩種方法效果一樣。

運行結果：

 注意：

OpenCV的Canny函數用於在圖像中查找邊緣，其函數原型有兩種：

①直接調用Canny算法在單通道灰度圖像中查找邊緣，

其函數原型為：Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges

image參數表示8位輸入圖像。

threshold1參數表示設置的低閾值。

threshold2參數表示設置的高閾值，一般設定為低閾值的3倍 (根據Canny算法的推薦)。

edges參數表示輸出邊緣圖像，單通道8位圖像。

apertureSize參數表示Sobel算子的大小。

L2gradient參數表示一個布爾值，如果為真，則使用更精確的L2范數進行計算（即兩個方向的倒數的平方和再開方），否則使用L1范數（直接將兩個方向導數的絕對值相加）。

②使用帶自定義圖像漸變的Canny算法在圖像中查找邊緣，

其函數原型為：Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges

dx參數表示輸入圖像的x導數（x導數滿足16位，選擇CV_16SC1或CV_16SC3）

dy參數表示輸入圖像的y導數（y導數滿足16位，選擇CV_16SC1或CV_16SC3）。

threshold1參數表示設置的低閾值。

threshold2參數表示設置的高閾值，一般設定為低閾值的3倍 (根據Canny算法的推薦)。

edges參數表示輸出邊緣圖像，單通道8位圖像。

L2gradient參數表示L2gradient參數表示一個布爾值，如果為真，則使用更精確的L2范數進行計算（即兩個方向的倒數的平方和再開方），否則使用L1范數（直接將兩個方向導數的絕對值相加）。

參考：

Canny算子原理：https://www.cnblogs.com/techyan1990/p/7291771.html

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/canny_detector/canny_detector.html

https://blog.csdn.net/sunny2038/article/details/9202641