一、Canny边缘检测
Canny边缘检测是一系列方法综合的结果。其中主要包含以下步骤：
1.使用高斯滤波器，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.应用非极大值抑制（NMS：Non-Maximum Suppression），以消除边缘检测带来的杂散相应。
4.应用双阈值（Double-Threshold）检测来确定真实和潜在的边缘。
5.通过抑制孤立的弱边缘最终完成边缘检测。
1.高斯滤波器
平滑图像。
2.计算梯度和方向
使用X和Y方向的Sobel算子来分别计算XY方向梯度：
每个点的梯度强度有XY方向的梯度计算出来：
计算每个点梯度的方向：
3.使用NMS
有两种方法，第一种方法（插值法，比较复杂）：
通过计算出的梯度方向，找到与周边临近点的边的交点，然后使用权重计算交点的值，假设g1和g2之间的交点（左上的黑点）处于6/4的位置，那么他的值为M = g1*(1-0.6)+g2*(0.4)。
当算出左上的黑点和右下的黑点值后，用这两个点与C的值进行比较，如果都小于C，则C归为边界。如果有一个比C大，则丢弃C，这就叫抑制。
第二种方法（指定8个方向，不用插值，简化版）：
4.双阈值检测
在NMS的基础上，判断一个边界点的梯度强度：
(1) 如果值大于maxVal，则处理为边界
(2) 如果值minVal<梯度值<maxVal，再检查是否挨着其他边界点，如果旁边没有边界点，则丢弃，如果连着确定的边界点，则也认为其为边界点。
(3) 梯度值<minVal，舍弃。
通过以上步骤，完成Canny边缘检测。调用Canny API如下：
# 使用Canny边界检测 def use_canny(image): # 后面两个参数代表双阈值检测的minVal和maxVal img1 = cv.Canny(image, 50, 100) cv.imshow('img1', img1) # 这里使用更大的minVal和maxVal,细节边界变少了 img2 = cv.Canny(image, 170, 250) cv.imshow('img2', img2)
