简介

Canny在1986年提出了一种边缘检测算法，因其卓越的性能和准确性而广泛应用于各种图像分析领域。opencv中提供了这种算法，其操作步骤如下

1. 高斯滤波：采用$5\times 5$的高斯核函数进行滤波，对图像进行平滑，从而降低图像中的波动，使边缘更加明显。
2. 梯度计算：用Sobel核函数对图像的水平和竖直方向进行滤波，并获取两个方向的一阶导数$G_x,G_y$，从而得到图像的梯度$\sqrt{G_x^2+G_y^2}$以及辐角${\tan }^{-1}\frac{G_y}{G_x}$
3. 非极大值抑制：即抑制那些不是局部最大值的梯度值，具体做法是，比较每个像素点及其8邻域的梯度幅度，一个像素点，只有其梯度幅度大于周围像素点时，才被认为是边缘点。
4. 双阈值处理：Canny 算法使用高阈值$t_2$和低阈值$t_1$来进一步判断边缘，只有梯度幅度大于$t_2$的点才被认为是真正的边缘点，若小于$t_2$但大于$t_1$，则被认为是潜在的边缘点。这两个阈值通常根据图像的全局标准差自动确定。在Canny函数中，通过参数threshold1和threshold2来指定这两个阈值。
5. 边缘跟踪和连接：最后，算法跟踪由边缘像素点组成的线，并连接它们以形成完整的边缘。

实战

令$t_1=100,t_2=200$，则Canny算法的边缘检测结果如下

实现代码如下。

from scipy.misc import ascent
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = ascent().astype(np.uint8)
edges = cv.Canny(img,100,200)

plt.subplot(121)
plt.imshow(img,cmap = 'gray')
plt.title('Original')
plt.axis('off')
plt.subplot(122)
plt.imshow(edges,cmap = 'gray')
plt.title('Canny Edge')
plt.axis('off')
plt.show()