Canny邊緣檢測（Python實作）

Canny算法步驟

①高斯模糊 - GaussianBlur

②灰階轉換 - cvtColor

③計算梯度 – Sobel/Scharr

④非最大信号抑制

⑤高低門檻值輸出二值圖像——高低門檻值比值為2:1或3:1最佳

代碼示範

# Canny算子
def Canny_demo(image):
    blur = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)
    gradx = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    grady = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    edge_output = cv.Canny(gradx, grady, 50, 150)
    # edge_output = cv.Canny(gray, 50, 150) 可以替代前三行
    cv.imshow("Canny Edge", edge_output)

    dst = cv.bitwise_and(image, image, mask=edge_output)
    cv.imshow("Color Edge", dst)

src = cv.imread('./data/lena.jpg', 1)
Canny_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
           

結果

Canny算法的兩種方式

1.使用帶自定義圖像漸變的Canny算法在圖像中查找邊緣，

其函數原型為：

Canny(dx, dy, threshold1, threshold2, edges, L2gradient)

• dx參數表示輸入圖像的x導數（x導數滿足16位，選擇CV_16SC1或CV_16SC3）
• dy參數表示輸入圖像的y導數（y導數滿足16位，選擇CV_16SC1或CV_16SC3）。
• threshold1參數表示設定的低門檻值。
• threshold2參數表示設定的高門檻值，一般設定為低門檻值的3倍 (根據Canny算法的推薦)。

• edges參數表示輸出邊緣圖像，單通道8位圖像。

  L2gradient參數表示L2gradient參數表示一個布爾值，如果為真，則使用更精确的L2範數進行計算（即兩個方向的倒數的平方和再開方），否則使用L1範數（直接将兩個方向導數的絕對值相加）

直接調用Canny算法在單通道灰階圖像中查找邊緣

其函數原型為：

Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)

• image參數表示8位輸入圖像。
• threshold1參數表示設定的低門檻值。
• threshold2參數表示設定的高門檻值，一般設定為低門檻值的3倍 (根據Canny算法的推薦)。
• edges參數表示輸出邊緣圖像，單通道8位圖像。
• apertureSize參數表示Sobel算子的大小
• L2gradient參數表示一個布爾值，如果為真，則使用更精确的L2範數進行計算（即兩個方向的倒數的平方和再開方），否則使用L1範數（直接将兩個方向導數的絕對值相加）。