Canny边缘检测数学原理及Python代码实现

一、Canny边缘检测的步骤

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)检测来确定真实的潜在的边缘。

5）、通过抑制孤立的弱边缘最终完成检测。

1、高斯滤波器

 还是进行归一化处理

 2、梯度和方向

用sobel算子来计算梯度分量

 

 

3、非极大值抑制 

 

 可以采用线性插值法：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*M(g2)+(1-w)*M(g1)

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

4、双阈值检测

5、 代码实现

import cv2
import numpy as np
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
img=cv2.imread('C:ppy.jpg',cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,180,270)
v2=cv2.Canny(img,50,100)
res=np.hstack((v1,v2))
cv_show("res",res)

结果如图所示：

我们会发现阈值的范围不同还是有很大区别的。