OpenCV---Canny邊緣提取

一：Canny算法介紹

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。

推文：Canny邊緣檢測算法原理及其VC實現詳解(一)

1.高斯模糊--GaussianBlur　　消除噪聲。 一般情況下，使用高斯平滑濾波器卷積降噪。，因為canny是對噪聲敏感的算法，所以先降噪，但是降噪不要太過，以免丟失 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

補充：

非最大信號抑制

在Canny算法中，非極大值抑制是進行邊緣檢測的重要步驟，通俗意義上是指尋找像素點局部最大值，將非極大值點所對應的灰度值置為0

sobel算子中有一個x,y
根據x,y可以求出一個θ角度

1.要進行非極大值抑制，就首先要確定像素點C的灰度值在其8值鄰域內是否為最大。是最大則下一步

2.圖中藍色的線條方向為C點的梯度方向，這樣就可以確定其局部的最大值肯定分布在這條線上，也即出了C點外，梯度方向的交點dTmp1和dTmp2這兩個點的值也可能會是局部最大值。
  因此，判斷C點灰度與這兩個點灰度大小即可判斷C點是否為其鄰域內的局部最大灰度點。

3.如果經過判斷，C點灰度值小於這兩個點中的任一個，那就說明C點不是局部極大值，那么則可以排除C點為邊緣。

完成非極大值抑制后，會得到一個二值圖像，非邊緣的點灰度值均為0，可能為邊緣的局部灰度極大值點可設置其灰度為128。
根據下文的具體測試圖像可以看出，這樣一個檢測結果還是包含了很多由噪聲及其他原因造成的假邊緣。因此還需要進一步的處理。

高低閾值輸出二值圖像

 二：Canny邊緣提取實現

def edge_demo(image):
    #1.高斯模糊 blurred = cv.GaussianBlur(image,(3,3),0) #2.灰度轉換 gray = cv.cvtColor(blurred,cv.COLOR_RGB2GRAY) #3.計算梯度 xgrad = cv.Sobel(gray,cv.CV_16SC1,1,0) #canny方法API要求不允許使用浮點數 ygrad = cv.Sobel(gray,cv.CV_16SC1,0,1) #4.Canny方法中包含非最大信號抑制和雙閾值輸出 edge_output = cv.Canny(xgrad,ygrad,50,150) #50是低閾值，150是高閾值 cv.imshow("Canny Edge",edge_output)

    dst = cv.bitwise_and(image,image,mask=edge_output)　　#相與，獲取顏色
    cv.imshow("Color Edge",dst)

src = cv.imread("./g.png")  #讀取圖片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #創建GUI窗口,形式為自適應
cv.imshow("input image",src)    #通過名字將圖像和窗口聯系

edge_demo(src)

cv.waitKey(0)   #等待用戶操作，里面等待參數是毫秒，我們填寫0，代表是永遠，等待用戶操作
cv.destroyAllWindows()  #銷毀所有窗口

 使用Canny計算梯度

def edge_demo(image):
 #1.高斯模糊 blurred = cv.GaussianBlur(image,(3,3),0) #2.灰度轉換 gray = cv.cvtColor(blurred,cv.COLOR_RGB2GRAY) #3.直接傳入灰度圖像，Canny方法中包含計算梯度，非最大信號抑制和雙閾值輸出 edge_output = cv.Canny(gray,50,150) #50是低閾值，150是高閾值
    cv.imshow("Canny Edge",edge_output)

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

 相關知識補充

（一）Canny方法

（1）需要我們求出梯度

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

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）。

（2）直接調用Canny算法在單通道灰度圖像中查找邊緣，

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

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）。