Canny算子

import cv2
o=cv2.imread("C:/Users/xpp/Desktop/Lena.png",cv2.IMREAD_GRAYSCALE)#原始图像
r=cv2.Canny(o,32,128)#Canny算子
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

算法：Canny算子是一种使用多级边缘检测算法检测边缘的方法。

• 首先读取图像
• 进行高斯滤波去噪
• 计算梯度的幅度与方向
• 对梯度幅值进行非极大值抑制
• 确定检测边缘

Canny算子通过边缘差分算子（如Rober，Prewitt，Sobel）计算差分的水平方向的Gx和垂直方向的Gy，梯度的幅度G和方向θ（梯度的方向与边缘的方向垂直）：

其中θ范围从弧度-π到π。

设梯度分为8个方向，分别为E、NE、N、NW、W、SW、S、SE，其中0代表00~45°,1代表450~90°，2代表-900~-45°，3代表-450~0°。像素点P的梯度方向为θ，则像素点P1和P2的梯度线性插值为：

edges = cv.Canny(image, threshold1, threshold2[, apertureSize[, L2gradient]])

• image表示输入图像
• threshold1表示第一个阈值
• threshold2表示第二个阈值
• apertureSize表示Sobel算子孔径的大小
• L2gradient表示计算图像梯度幅度（gradient magnitude）的标识。其默认值为False。如果为True，则使用更精确的L2范数进行计算（即两个方向的导数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）

注意：非极大值抑制寻找的像素点是局部最大值。图像的噪声会影响边缘检测的准确性，虚边缘可能是真实图像产生的，也可能是由于噪声所产生的。滤波器的核越大，边缘信息对于噪声的敏感度越低。核越大，边缘检测的定位错误也会随之增加。通常5×5的核满足大多数的情况。