---

前言

Canny边缘检测是计算机视觉领域中常用的一种边缘检测算法，它由约翰·凯恩（John Canny）于1986年提出，是一种多阶段的算法，具有较好的性能和准确性。Canny边缘检测算法的主要优点包括良好的边缘定位精度、抑制噪声的能力以及对边缘连接的稳健性。然而，它也存在一些缺点，如计算复杂度较高、对参数的敏感性等。因此，在实际应用中，需要根据具体情况进行参数调整和优化。

---

一、canny检测的流程

1.高斯滤波（Gaussian Smoothing）

Canny边缘检测的第一步是使用高斯滤波器对图像进行平滑处理，以减少噪声的影响。高斯滤波器我们上节课已经讲过了，这里就不重复了。

2.梯度计算（Gradient Calculation）

接下来，对平滑后的图像使用Sobel、Prewitt或其他梯度算子计算图像中每个像素点的梯度值和方向。这一步用于检测图像中的边缘。

3.非极大值抑制（Non-maximum Suppression）

在第二步梯度计算中，每个像素点都被赋予了一个梯度幅值和一个梯度方向。然后，非极大值抑制的目标是通过扫描图像，对每个像素点进行检查，并在梯度方向上比较该像素点与其相邻两个像素点的梯度幅值，只保留梯度幅值最大的像素点，而抑制其他像素点。这样做的结果是，在梯度图像中只保留了沿着边缘方向上梯度最大的像素点，其他像素点被抑制或抑制掉。这种抑制机制有助于细化边缘并减少边缘检测结果中的杂散响应，使得边缘更加清晰和准确。
具体来说，对于每个像素点，算法的步骤如下：

1>确定当前像素点的梯度方向。
2>在梯度方向上，找到与当前像素点相邻的两个像素点。
3>比较当前像素点与其相邻两个像素点的梯度幅值。
4>如果当前像素点的梯度幅值最大，则保留该像素点；否则，抑制该像素点。

4.双阈值检测（Double Thresholding）

双阈值检测（Double Thresholding）是Canny边缘检测算法的第四个步骤，它用于将梯度图像中的像素点分成三类：强边缘像素、弱边缘像素和非边缘像素，以便后续的边缘连接处理。
具体来说，双阈值检测的步骤如下：
设定两个阈值：首先，需要设定两个阈值，分别是高阈值（High Threshold）和低阈值（Low Threshold）。这两个阈值的选择是根据具体应用而定的，通常高阈值设定为强边缘像素的阈值，低阈值设定为弱边缘像素的阈值。中间值可以根据需要进行调整。
像素分类：对梯度图像中的每个像素点进行分类：
a.如果像素的梯度幅值大于高阈值，则将其标记为强边缘像素。
b.如果像素的梯度幅值介于低阈值和高阈值之间，则将其标记为弱边缘像素。
c.如果像素的梯度幅值小于低阈值，则将其标记为非边缘像素。
边缘连接处理：在双阈值检测之后，强边缘像素被认为是最可能的边缘，而弱边缘像素可能是边缘的一部分，也可能是噪声。因此，接下来需要进行边缘连接处理，将弱边缘像素连接到强边缘像素，形成完整的边缘。
双阈值检测的作用是将梯度图像中的像素点进行分门别类，为后续的边缘连接处理提供依据。这种分类策略有助于过滤掉一些低梯度幅值的像素点，减少噪声对边缘检测结果的影响，并保留梯度幅值较大的像素点作为潜在的边缘点。

5.边缘跟踪与连接（Edge Tracking and Hysteresis）

边缘跟踪与连接是Canny边缘检测算法中的最后一步，它的目的是将弱边缘像素连接成强边缘，从而形成连续的边缘线。在Canny边缘检测的前几个步骤中，我们得到了两类边缘像素：强边缘像素和弱边缘像素。强边缘像素是那些梯度值超过高阈值的像素，而弱边缘像素是那些梯度值介于低阈值和高阈值之间的像素。边缘跟踪与连接的基本思想是从强边缘像素出发，沿着梯度方向追踪连接其周围的弱边缘像素，直到无法继续连接为止。这样就形成了一条连续的边缘线。

二、代码实现

# Canny 边缘检测
edges1 = cv2.Canny(image, threshold1=100, threshold2=200, apertureSize=3)
edges2 = cv2.Canny(image, threshold1=50, threshold2=100, apertureSize=3)
# 显示结果
cv2.imshow("Original Image", image)
cv2.imshow("Canny Edges1", edges1)
cv2.imshow("Canny Edges2", edges2)
cv2.waitKey(0)
cv2.destroyAllWindows()

threshold1 和 threshold2：两个阈值参数，用于控制边缘检测的灵敏度。如果图像梯度值高于 threshold2，则被认为是强边缘像素；如果图像梯度值低于 threshold1，则被认为是非边缘像素；介于这两个阈值之间的像素被认为是弱边缘像素。一般建议将 threshold1 设置为 threshold2 的一半到两倍之间。
当我们threshold1设置较小时 可以看到上图，出现的边缘就会更多。因为threshold1 控制了边缘检测的低阈值，如果一个像素的梯度值低于 threshold1，则被认为是非边缘像素，而高于 threshold1 的像素会被进一步检查。如果高于 threshold1 的像素的梯度值高于 threshold2，则被认为是强边缘像素；如果梯度值介于 threshold1 和 threshold2 之间，则被认为是弱边缘像素。
因此，当 threshold1 设置得较小时，更多的像素会被认为是弱边缘像素，进而会有更多的弱边缘像素被连接成边缘。这样就会导致检测到的边缘数量增加。但需要注意的是，设置过小的 threshold1 值可能会导致边缘检测结果中包含大量的噪声或无用的边缘，因此需要根据具体情况进行调整。