《Opencv3计算机视觉》Python语言实现-第三章Canny算法_计算机视觉第三章读取图像

Canny算法的python实现代码：

import cv2
import numpy as np

img = cv2.imread("D:\\picture\\1.jpg", 0)
cv2.imwrite("canny.jpg", cv2.Canny(img, 200, 300))
cv2.imshow("canny", cv2.imread("canny.jpg"))
cv2.waitKey()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8

输入：
输出：Canny边缘检测算子
canny算法原理理解: https://blog.csdn.net/yuanpan/article/details/82011826

Canny的主要贡献是推导出了最有边缘检测算子。他考核边缘算子的指标如下：
（1）低误判率，即尽可能少地把边缘点误认为是非边缘点；
（2）高定位精度，即准确地把边缘点定位在灰度变化最大的像素上；
（3）抑制虚假边缘。
Canny算法可以减少小模板检测中的边缘终端，有利于得到较完整的线段。Canny算子的边缘检测效果优于传统的Sobel和Marr检测算子。
canny算法分为五步：
1.高斯模糊（高斯模糊为了去除噪声，降低伪边缘的识别。高通滤波器有一个称为半径的属性，所以高斯模糊的半径选择很重要，它决定了多大面积的邻近像素参与滤波运算）
2.计算梯度幅值和方向（可以通过Sobel算子来计算）
3.非最大值抑制（非极大抑制能够保留局部最大梯度而抑制其他所有梯度值）
4.双阈值（设置高阈值和低阈值，大于高阈值的像素点被称为强边缘点，介于高阈值和低阈值之间的像素点被称为弱边缘点）
5.滞后边界跟踪（针对上述的弱边缘点很可能含有由噪声导致的强边缘点，利用滞后边界跟踪方法，如果一个弱边缘点周围没有一个强边缘点与之连通，则该弱边缘点为真弱边缘点，被舍弃掉）

其实canny算法的原理过程虽然复杂，但是最后被封装在cv2库中，我们如果想看一张图片的canny算子效果图，只需要调用cv2.Canny()这个函数即可。

img = cv2.imread("D:\\picture\\1.jpg", 0)
cv2.imwrite("canny.jpg", cv2.Canny(img, 200, 300))
cv2.imshow("canny", cv2.imread("canny.jpg"))
1
2
3