当前位置：首页 > news >正文

Canny边缘检测

news 2025/8/18 8:21:20

Canny边缘检测

使用高斯滤波器，以平滑图像消除噪声点
计算图像中每个像素点的梯度和方向
应用非极大值（None-Maximum Suppression）抑制，以消除边缘检测带来的杂散相应
应用双阈值检测来确定真实的和潜在的边缘
通过抑制孤立的弱边缘完成边缘检测

1.使用高斯滤波操作进行噪声点消除

在这里插入图片描述

2.计算梯度和方向

梯度和方向算子使用sobel算子，计算Gx和Gy，方向就是arc tan(Gy/Gx),通过sobel 算子Sx和Sy 计算Gx和Gy的值，

在这里插入图片描述

3.非极大值抑制

在这里插入图片描述

由于使用线性差值法计算比较复杂，采用近似8个方向像素点进行比较。

在这里插入图片描述

非极大值抑制就是临近像素梯度方向例如上图，梯度方向为C->A->B,如果A点为梯度方向值最大的点则认为该点位边缘像素点保留，另外两个点抑制掉。

4.双阈值检测

在这里插入图片描述

在梯度值大于MaxVal就处理为边界
如果小于minVal就舍弃
如果梯度值minVal<梯度值<maxVal时:

1.如果该点邻域范围内(周围8个点)有大于maxVal的值，把该点纳入边缘点

2.如果邻域中不存在大于maxVal的值那么就舍弃。

5.代码实现

import cv2
import numpy as npdef cv_show(name,img): # 定义函数加:cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()img = cv2.imread(r'C:\learn\MarkDown\anconda\lena.png', cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,80,150)
v2= cv2.Canny(img,50,150)
res=np.hstack((v1,v2))
cv_show('res',res)