六、Canny 边缘检测

1. 流程

(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（Nono-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

2. 高斯滤波器

3. 梯度和方向

4. 非极大值抑制

• 线性插值法

  

  设g1的梯度幅值M(g1)，g2的梯度幅值M(g2)，则dtmp1可以得到：

  M(dtmp1) = w x M(g2) + (1-w) x M(g1)

  其中w = distance(dtmp1, g2)/distance(g1, g2)

  distance(g1, g2) 表示两点之间的距离

• 简化

  

  为了简化计算，由于一个像素周围有八个像素，可以将一个像素的梯度方向离散为八个方向，如此一来计算前后即可，简化插值法

  
  
  

5. 双阈值检测

梯度值 > maxVal：则该点处理为边界

minVal < 梯度值 < maxVal：与现有的点（A点、C点）有关联（能连线），则保留，否则舍弃（B点）

梯度值 < minVal：舍弃

6. 演示

import cv2 # OpenCV 读取的格式是 BGR
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

img = cv2.imread('ysg.png', cv2.IMREAD_GRAYSCALE)
plt.imshow(img, cmap='gray')
plt.show()

# 参数说明：源图，最小值，最大值
c1 = cv2.Canny(img, 60, 150)
plt.imshow(c1, cmap='gray')
plt.show()

c2 = cv2.Canny(img, 50, 95)
plt.imshow(c2, cmap='gray')
plt.show()

# 阈值范围越小细节越多