Canny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。

---

• 高斯滤波器

 

•  梯度和方向

 

•  非极大值抑制

指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点。要进行非极大值抑制，就首先要确定像素点C的灰度值在其8值邻域内是否为最大。图1中蓝色的线条方向为C点的梯度方向，这样就可以确定其局部的最大值肯定分布在这条线上，也即出了C点外，梯度方向的交点dTmp1和dTmp2这两个点的值也可能会是局部最大值。因此，判断C点灰度与这两个点灰度大小即可判断C点是否为其邻域内的局部最大灰度点。如果经过判断，C点灰度值小于这两个点中的任一个，那就说明C点不是局部极大值，那么则可以排除C点为边缘。这就是非极大值抑制的工作原理。

在理解的过程中需要注意以下两点：

1.非极大抑制是回答这样一个问题：“当前的梯度值在梯度方向上是一个局部最大值吗？“。所以,要把当前位置的梯度值与梯度方向上两侧的梯度值进行比较。

2.梯度方向垂直于边缘方向。但实际上，我们只能得到C点邻域的8个点的值，而dTmp1和dTmp2并不在其中，要得到这两个值就需要对该两个点两端的已知灰度进行线性插值，也即根据图中的g1和g2对dTmp1进行插值，根据g3和g4对dTmp2进行插值，这要用到其梯度方向，这是Canny算法中要求解梯度方向矩阵Thita的原因。完成非极大值抑制后，会得到一个二值图像，非边缘的点灰度值均为0，可能为边缘的局部灰度极大值点可设置其灰度为128。检测结果还是包含了很多由噪声及其他原因造成的假边缘。因此还需要进一步的处理。

---

非极大值抑制中有两种方法。 方法一：线性插值法

 

 方法二：

 

•  双阈值检测

 

 

import cv2 as cv
import numpy as np


img = cv.imread('lena.jpg', cv.IMREAD_GRAYSCALE)

c = cv.Canny(img, 80, 150)

cv.imshow('c', c)
cv.waitKey(0)
cv.destroyAllWindows()

 

 其中， c = cv.Canny(img, 80, 150) 后面两个数字表示双阈值检测中的最大值和最小值，适当的调整，可以改变检测结果。

标签：检测,梯度方向,边缘,极大值,灰度,Canny,cv
来源： https://www.cnblogs.com/missdx/p/12374255.html