Canny邊緣檢測

canny邊緣檢測是一種非常流行的邊緣檢測演算法，是john canny在2023年提出的。它是乙個多階段的演算法，即由多個步驟構成。

1.影象降噪

2.計算影象梯度

3.非極大值抑制

4.閾值篩選

我們就事後諸葛亮，分析下這個步驟的緣由。

首先，影象降噪。我們知道梯度運算元可以用於增強影象，本質上是通過增強邊緣輪廓來實現的，也就是說是可以檢測到邊緣的。但是，它們受雜訊的影響都很大。那麼，我們第一步就是想到要先去除雜訊，因為雜訊就是灰度變化很大的地方，所以容易被識別為偽邊緣。

第二步，計算影象梯度，得到可能邊緣。我們在前面的關於《影象梯度》文章中有所介紹，計算影象梯度能夠得到影象的邊緣，因為梯度是灰度變化明顯的地方，而邊緣也是灰度變化明顯的地方。當然這一步只能得到可能的邊緣。因為灰度變化的地方可能是邊緣，也可能不是邊緣。這一步就有了所有可能是邊緣的集合。

第三步，非極大值抑制。通常灰度變化的地方都比較集中，將區域性範圍內的梯度方向上，灰度變化最大的保留下來，其它的不保留，這樣可以剔除掉一大部分的點。將有多個畫素寬的邊緣變成乙個單畫素寬的邊緣。即「胖邊緣」變成「瘦邊緣」。

第四步，雙閾值篩選。通過非極大值抑制後，仍然有很多的可能邊緣點，進一步的設定乙個雙閾值，即低閾值（low），高閾值（high）。灰度變化大於high的，設定為強邊緣畫素，低於low的，剔除。在low和high之間的設定為弱邊緣。進一步判斷，如果其領域內有強邊緣畫素，保留，如果沒有，剔除。

這樣做的目的是只保留強邊緣輪廓的話，有些邊緣可能不閉合，需要從滿足low和high之間的點進行補充，使得邊緣盡可能的閉合。

我們看看效果：

# 讀入影象

lenna = cv2.imread("images\\lenna.png", 0)
# 影象降噪
lenna = cv2.gaussianblur(lenna, (5, 5), 0)
# canny邊緣檢測，50為低閾值low，150為高閾值high
canny = cv2.canny(lenna, 50, 150)
cv2.imshow("canny", canny)
cv2.waitkey()

調整low和high雙閾值，能夠得到不同的邊緣效果。

再看看有雜訊的情況：

# 讀入影象

lenna = cv2.imread("images\\lenna_gauss.png", 0)
# 影象降噪
lenna = cv2.gaussianblur(lenna, (5, 5), 0)
# canny邊緣檢測
效果很差啊，我們調整下高斯模糊的核大小，效果立即好了很多很多。
所以，canny在有雜訊的情況下表現好不好，取決於前面的降噪過程，這也是為什麼opencv將影象降噪放在canny函式外面的原因吧，需要你自己精心調整它。
				
Canny邊緣檢測
1.canny邊緣檢測基本原理 1 圖象邊緣檢測必須滿足兩個條件 一能有效地抑制雜訊 二必須盡量精確確定邊緣的位置。2 根據對訊雜比與定位乘積進行測度，得到最優化逼近運算元。這就是canny邊緣檢測運算元。3 類似與marr log 邊緣檢測方法，也屬於先平滑後求導數的方法。2.canny邊緣檢測演...
				
Canny邊緣檢測
canny運算元是邊緣檢測運算元中最常用的一種，是公認效能優良的一種運算元，常被其它邊緣檢測運算元作為標準運算元進行優劣分析。canny演算法基本可以分為3個步驟 平滑 梯度計算 基於梯度值及梯度方向的候選點過濾 1 平滑 影象梯度的計算對雜訊很敏感，因此必須首先對其進行低通濾波。在這裡使用5 5的...
				
Canny邊緣檢測
canny邊緣檢測演算法 五個步驟 1.高斯模糊 gaussianblur 2.灰度轉換 cvtcolor 3.計算梯度 sobel scharr 4.非最大訊號抑制 5.高低閾值連線輸出二值影象 import cv2 def edge demo image blurred cv2.gaussian...