Canny演算法步驟

①高斯模糊 - GaussianBlur
②灰度轉換 - cvtColor
③計算梯度 – Sobel/Scharr
④非最大訊號抑制
⑤高低閾值輸出二值影象——高低閾值比值為2:1或3:1最佳

程式碼演示

# Canny運算元
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演算法的兩種方式

1.使用帶自定義影象漸變的Canny演算法在影象中查詢邊緣，

其函式原型為：Canny(dx, dy, threshold1, threshold2, edges, L2gradient)

• dx引數表示輸入影象的x導數（x導數滿足16位，選擇CV_16SC1或CV_16SC3）
• dy引數表示輸入影象的y導數（y導數滿足16位，選擇CV_16SC1或CV_16SC3）。
• threshold1引數表示設定的低閾值。
• threshold2引數表示設定的高閾值，一般設定為低閾值的3倍 (根據Canny演算法的推薦)。
• edges引數表示輸出邊緣影象，單通道8點陣圖像。
  L2gradient引數表示L2gradient引數表示一個布林值，如果為真，則使用更精確的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（直接將兩個方向導數的絕對值相加）

直接呼叫Canny演算法在單通道灰度影象中查詢邊緣

其函式原型為：Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)

• image引數表示8位輸入影象。
• threshold1引數表示設定的低閾值。
• threshold2引數表示設定的高閾值，一般設定為低閾值的3倍 (根據Canny演算法的推薦)。
• edges引數表示輸出邊緣影象，單通道8點陣圖像。
• apertureSize引數表示Sobel運算元的大小
• L2gradient引數表示一個布林值，如果為真，則使用更精確的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（直接將兩個方向導數的絕對值相加）。