图像处理25：边缘检测

Canny 边缘检测是一种非常流行的边缘检测算法，是 John F.Canny 在 1986 年提出的。

1、噪声去除 

由于边缘检测很容易受到噪声影响，所以第一步是使用 5x5 的高斯滤波器去除噪声。

2、计算图像梯度 

对平滑后的图像使用 Sobel 算子计算水平方向和竖直方向的一阶导数（图像梯度）（Gx 和 Gy）。根据得到的这两幅梯度图（Gx 和 Gy）找到边界的梯度和方向，公式如下： 

梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和 两个对角线。

3、非极大值抑制 

在获得梯度的方向和大小之后，应该对整幅图像做一个扫描，去除那些非边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的。如下图所示：

现在你得到的是一个包含“窄边界”的二值图像

4、滞后阈值 

现在要确定那些边界才是真正的边界。这时需要设置两个阈值： minVal 和 maxVal。当图像的灰度梯度高于 maxVal时被认为是真的边界， 那些低于 minVal的边界会被抛弃。如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是就抛弃。如下图：

A 高于阈值 maxVal 所以是真正的边界点。

C 虽然低于 maxVal 但高于 minVal 并且与 A 相连，所以也被认为是真正的边界点。

B 会被抛弃，因为它不仅低于 maxVal 而且不与真正的边界点相连。

所以选择合适的 maxVal 和 minVal 对于能否得到好的结果非常重要。 在这一步一些小的噪声点也会被除去，因为我们假设边界都是一些长的线段。

OpenCV 中的 Canny 边界检测 

在 OpenCV 中只需要一个函数：cv2.Canny()，就可以完成以上几步。

---这个函数的第一个参数是输入图像。

---第二和第三个分别是 minVal 和 maxVal。第四个参数设置计算图像梯度的 Sobel 卷积核的大小，默认值为 3。

---最后一个参数是 L2gradient，它可以用来设定求梯度大小的方程。如果设为 True，就会使用我们上面提到过的方程，否则使用方程：

代替，默认值为 False。

#coding:utf-8
import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('F:/moder.jpg')

b, g, r = cv2.split(img)#转换色彩，由bgr转为rgb
img = cv2.merge([r,g,b])#转换色彩，由bgr转为rgb

edges = cv2.Canny(img, 100, 200)

plt.subplot(121),plt.imshow(img, cmap='gray')
plt.title('Original Image'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(edges, cmap='gray')
plt.title('Edge Image'),plt.xticks([]),plt.yticks([])


plt.show()

结果图：