python图形-canny边缘检测算法

canny边缘检测算法是一种流行的边缘检测算法，由John F. Canny in 发明，主要步骤如下：

1.高斯模糊降噪

2.使用Sobel filter计算图片像素梯度

3.NMS非最大值抑制计算局部最大值

4.Hysteresis thresholding 滞后阈值法过滤

其中canny的两个参数T_lower、T_upper就是这里的

----------------------------------------分割线

因为A点是高于阈值的，所以会被canny算法认为是真正的边界点。

C虽然低于最大值，但是它高于最小值，并且它和A相连，所以C也会被认为是边界点。

但是B会被抛弃，它不仅低于最大值，而且不和其他边缘点相连。

综上，选择合适的maxVal和minVal，对于能否得到好的结果非常重要！

代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

img = cv2.imread('./ng.png')
img_fixed = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

plt.imshow(img_fixed)

edges1 = cv2.Canny(img.copy(),100,200)
edges2 = cv2.Canny(img.copy(),50,200)
edges3 = cv2.Canny(img.copy(),50,100)

fig,(ax2,ax3,ax4) = plt.subplots(1,3,figsize=(20,8),sharex=True,sharey=True)

ax2.axis('off')
ax2.imshow(edges1,cmap='gray')


ax3.axis('off')
ax3.imshow(edges2,cmap='gray')

ax4.axis('off')
ax4.imshow(edges3,cmap='gray')

得到的结果：

结论：第一个图片，作为对比

第二个图片，把最小阈值调低，发现内部细节多了点

第三个图片，把最大阈值再调低，发现细节更多了！

在具体的操作上，多试试不同的参数，会慢慢找到需要的边缘。

接下来，会结合边缘检测，来做目标检测。