边缘检测

边缘检测

OpenCv边缘检测算子

算子名称	描述
Canny算子★	基于边缘梯度方向的非极大值抑制 双阈值的滞后阈值处理 基于Sobel算子
Sobel算子	一阶微分，分X、Y方向
Laplacian算子	二阶微分，与方向无关，对噪音抑制效果较差，对精细细节有较好的检测
Scharr滤波器
HoughLines
HoughLinesP
HoughCircles
findContours
drawContours
boundingRect
minAreaRect
minEnclosingCircle
fitEllipse
approxPolyDP
convexHull

Canny算子

https://blog.csdn.net/fu_shuwu/article/details/78219640

Canny算子是一种用于边缘检测的常用算法，由John F. Canny在1986年提出。它的目标是在图像中找到所有显著的边缘，同时尽量减少噪声和错误检测。

Canny边缘检测器在OpenCV中通过函数 cv2.Canny() 实现(基于Sobel)。该函数的参数如下：

cv2.Canny() 函数签名

edges = cv2.Canny(image, threshold1, threshold2, apertureSize=3, L2gradient=False)

参数介绍

1. image：输入图像。
   • 类型：8位单通道图像（通常是灰度图像）。
   • 说明：输入图像应为灰度图像。可以使用 cv2.cvtColor 将彩色图像转换为灰度图像。
2. threshold1：第一个阈值。
   • 类型：浮点数。
   • 说明：用于边缘检测的低阈值。任何强度低于此阈值的梯度将被抑制（非边缘）。
3. threshold2：第二个阈值。
   • 类型：浮点数。
   • 说明：用于边缘检测的高阈值。任何强度高于此阈值的梯度将被保留（边缘）。介于这两个阈值之间的梯度将根据其连通性来决定是否保留。
4. apertureSize：Sobel算子的大小（可选参数）。
   • 类型：整数。
   • 默认值：3
   • 说明：用于计算图像梯度的Sobel算子的孔径大小。可以是3、5、7等，默认为3。孔径大小越大，计算出的梯度越精细。
5. L2gradient：是否使用更精确的L2范数（可选参数）。
   • 类型：布尔值。
   • 默认值：False
     说明：如果为True，则使用L2范数（更精确的梯度幅值计算，即 (\sqrt{(dI/dx)^2 + (dI/dy)^2})）。如果为False，则使用L1范数（即 (|dI/dx| + |dI/dy|)）。

Canny算子中自带的边缘检测步骤

1. 噪声去除：使用高斯滤波器平滑图像，减少噪声
2. 计算梯度：使用Sobel算子计算图像的梯度强度和方向。
3. 非极大值抑制：在梯度图像中仅保留局部最大值，抑制非边缘像素。
4. 双阈值处理：应用两个阈值对梯度图像进行分类，确定强边缘、弱边缘和非边缘。
5. 边缘连接：通过分析强边缘和弱边缘的连通性，确定最终的边缘。

Sobel算子

Laplacian算子

Scharr滤波器