图像边缘检测（Canny)
Canny检测的流程
Canny检测主要是用于边缘检测
1)使用高斯滤波器，以平滑图像，滤除噪声。
2)计算图像中每个像素点的梯度强度和方向。
3)应用非极大值(Non-Maximum Suppression)抑制，以消除边缘检测带来的杂散响应
4)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘
5)通过抑制孤立的弱边缘最终完成边缘检测。
注：
NMS（非极大值抑制）：
就是抑制不是极大值的元素，可以理解为局部最大搜索。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。
例如：
行人检测中，滑动窗口经提取特征，经分类器分类识别后，每个窗口都会得到一个分数。但是滑动窗口会导致很多窗口与其他窗口在包含或者大部分交
叉的情况。这时就需要用到NMS来选取那些邻域里分数最高（是行人的概率最大），并且抑制那些分数低的窗口
算法：
线性插值法
应用双阈值：大于maxval的设置为边界，
处于maxval和minval中间 和边界点相连保留，其余舍去，
小于minval 舍去
1 #cv2.Canny(src,minval,maxval) 2 #minval:最低阈值 3 #maxval:最高阈值 4 #阈值越低，图像越细致 5 canny1 = cv2.Canny(img,80,150) 6 canny2 = cv2.Canny(img,50,100) 7 res = np.hstack((canny1,canny2)) 8 Cv_Show('res',res)
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· 被坑几百块钱后，我竟然真的恢复了删除的微信聊天记录！
· 没有Manus邀请码？试试免邀请码的MGX或者开源的OpenManus吧
· 【自荐】一款简洁、开源的在线白板工具 Drawnix
· 园子的第一款AI主题卫衣上架——"HELLO! HOW CAN I ASSIST YOU TODAY
· Docker 太简单，K8s 太复杂？w7panel 让容器管理更轻松！