opencv图像处理之Canny边缘检测

1.Canny检测背后的原理

【1】高斯平滑：去除噪声
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】sobel梯度计算：求梯度大小和方向
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：

【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。

【4】滞后阈值：
max梯度以上的确定为边界。min梯度以下的不算边界。max和min梯度之间的，和max以上梯度的像素相连的才算边界。

2.代码和结果展示

• cv2.Canny()
• cv2.createTrackbar()
• cv2.getTrackbarPos()

参数解释：

edges = cv2.Canny(test, min, max)
#参数1：输入图像，参数2：minValue，参数3：maxValue

cv2.createTrackbar('min','image',0,200,nothing)
#参数1：slider名字，参数2：显示窗口的名字，3：滑动条默认值，4：滑动条最大值，5：回调函数，默认参数为滑动条的位置x
max=cv2.getTrackbarPos('max','image')
#参数1：slider名字，2：显示窗口的名字。返回值：滑动条的位置。

以下代码实现了用滑动条控制min和max来改变边缘检测的效果：

def nothing(x):
    pass
    
def canny(self):
    test=cv2.imread('../images/test2.jpg',0)
    cv2.namedWindow('image')
    cv2.createTrackbar('min','image',0,200,nothing)
    cv2.createTrackbar('max','image',100,300,nothing)
    while(1):
        min=cv2.getTrackbarPos('min','image')
        max=cv2.getTrackbarPos('max','image')
        edges = cv2.Canny(test, min, max)
        cv2.imshow('image',edges)
        k=cv2.waitKey(1)&0xFF
        if k==27:
            break