Canny 边缘检测是很流行的边缘检测算法，是在1986年由John F.Canny提出的。它是一个多级（multi-stage)算法。下面详细介绍每一级。
1.减少噪音
因为边缘检测对噪音非常敏感，所以实现边缘检测的第一步，是使用高斯滤波器对图像中的噪音进行移除。
2.寻找图像中的强度梯度（Intensity Gradient）
用Sobel kernel在水平和垂直方向过滤来平滑图像，并取得图像在水平和垂直方向的一阶导数（first derivate)
利用以上取得的两个图像，可以用以下公式找到每个像素的边缘梯度和方向：
文章图片
梯度方向总是垂直于边。它被四舍五入为四个角中的一个，表示垂直、水平和两个对角线方向。
3.Non-maximum Suppression非最大值抑制
上述获取梯度的大小和方向之后，一张移除了不想要的像素（这些像素是指不组成边的）全图，为了得到这张全图（为了移除这些像素），对每一个像素进行查验，判断它是否是梯度方向上的像零点的相邻最大值(local maximum)。
文章图片
上图为例，梯度方向是正交与（is normal to )边，点A在边上（垂直方向），点B和点C在梯度方向上。所以点A就会被查验是否和点B、点C相比较，判断它是否是相邻最大值(local maximum)。是的话，A被认为是下一个next stage;
不是的话，则为0。
得到一个“thin edge".
4.Hysteresis Thresholding（滞后阈值法）
这一步，来判断上诉结果中，哪一个是真正的边。为了实现这个，需要两个minVal和maxVal的阈值。所有边的强度梯度超过maxval确定为边，低于minVal的确定不为边（丢弃）。基于中间的判断是否为边是根据其连续性（connectivity）；如果它和"确定边"的像素相连，则为边；如果和"不为边"的像素相连，则不为边（丢弃)。如下图：
文章图片
上图中，边A是在maxVal之上，是“确定边”，虽然边C在maxVal之下（minVal）之上，但它和边A相连，所以认为它是有效边，这样我们就得到了一个完整的曲线。但是对于边B，虽然和边C在同一个区域，但它没有和“确认边”相连，故丢弃。
在这个过程中，选择好一个minVal和maxVal非常重要。
这一步，we get strong edges.
用OpenCV实现Canny边缘检测：
cv2.Canny(src,minVal,maxVal,aperture_size,L2gradient)
其中aperture_size表示第二步中sobel的kernel size,通常为3
【OpenCV|OpenCV学习笔记（7）--Canny Edge Detection Canny边缘检测】L2gradient表示是否使用第二步的公式来求解梯度大小，True--->是
False--->不是，使用的是：
文章图片
（默认为false）
import cv2
import numpy as np
from matplotlib import pyplot as pltimg = cv2.imread("r.jpg",0)edges = cv2.Canny(img,100,200)plt.subplot(121),plt.imshow(img,cmap ="gray")
plt.title("Orignal"),plt.xticks([]),plt.yticks([])plt.subplot(122),plt.imshow(edges,cmap="gray")
plt.title("Edge Image"),plt.xticks([]),plt.yticks([])plt.show()
实现：
文章图片
推荐阅读
- 人脸识别|【人脸识别系列】| 实现自动化妆
- OpenCV|OpenCV-Python实战（18）——深度学习简介与入门示例
- opencv|图像处理之椒盐噪声的添加与去除
- 人脸识别|【人脸识别系列】| 实现人脸截图保存并编写128维特征向量
- opencv|网络爬虫入门练习
- OpenCV|【OpenCV 完整例程】89. 带阻滤波器的传递函数
- OpenCV|【OpenCV 完整例程】90. 频率域陷波滤波器
- OpenCV|【OpenCV 完整例程】22. 图像添加非中文文字
- OpenCV|【OpenCV 完整例程】91. 高斯噪声、瑞利噪声、爱尔兰噪声
- opencv|python+opencv车道线，实线虚线的检测