前言

有温度有深度有广度就等你来关注哦~

所有文章完整的素材+源码都在👇👇

粉丝白嫖源码福利，请移步至CSDN社区或文末公众hao即可免费。

在这次的案例实战中，我们将使用Python 3和OpenCV。我们将使用OpenCV，因为它是一个

著名的开源计算机视觉库，其中提供了许多处理图像和视频的功能。在本次案例中，我们将使

用OpenCV、Canny来进行边缘检测与轮廓检测。

——边缘检测Canny

边缘检测器是一种被广泛使用的算法，并被认为是边缘检测最优的算法，该方法使用了比高斯

差分算法更复杂的技巧，如多向灰度梯度和滞后阈值化。

小科普就先到这里了撒！下面我们正式开始今天的案例吧。

正文

下面文章开始前进行详细的介绍吧！

一、什么是边缘检测？

边缘检测是计算机视觉中一个非常古老的问题，它涉及到检测图像中的边缘来确定目标的边

界，从而分离感兴趣的目标。最流行的边缘检测技术之一是Canny边缘检测，它已经成为大多

数计算机视觉研究人员和实践者的首选方法。让我们快速看一下Canny边缘检测。

二、Canny边缘检测算法

1983年，John Canny在麻省理工学院发明了Canny边缘检测。它将边缘检测视为一个信号处

理问题。其核心思想是，如果你观察图像中每个像素的强度变化，它在边缘的时候非常高。

在下面这张简单的图片中，强度变化只发生在边界上。所以，你可以很容易地通过观察像素强

度的变化来识别边缘。

现在，看下这张图片。强度不是恒定的，但强度的变化率在边缘处最高。(微积分复习：变化率可以用一阶导数(梯度)来计算。)

Canny边缘检测器通过4步来识别边缘：

1.去噪：因为这种方法依赖于强度的突然变化，如果图像有很多随机噪声，那么会将噪声作为

边缘。所以，使用5×5的高斯滤波器平滑你的图像是一个非常好的主意。

2.梯度计算：下一步，我们计算图像中每个像素的强度的梯度(强度变化率)。我们也计算梯度的

方向。

梯度方向垂直于边缘，它被映射到四个方向中的一个(水平、垂直和两个对角线方向)。

3.非极大值抑制：现在，我们想删除不是边缘的像素(设置它们的值为0)。你可能会说，我们可

以简单地选取梯度值最高的像素，这些就是我们的边。然而，在真实的图像中，梯度不是简单

地在只一个像素处达到峰值，而是在临近边缘的像素处都非常高。因此我们在梯度方向上取

3×3附近的局部最大值。

4.迟滞阈值化：在下一步中，我们需要决定一个梯度的阈值，低于这个阈值所有的像素都将被

抑制(设置为0)。而Canny边缘检测器则采用迟滞阈值法。迟滞阈值法是一种非常简单而有效的

方法。我们使用两个阈值来代替只用一个阈值：

高阈值 = 选择一个非常高的值，这样任何梯度值高于这个值的像素都肯定是一个边缘。

低阈值 = 选择一个非常低的值，任何梯度值低于该值的像素绝对不是边缘。

在这两个阈值之间有梯度的像素会被检查，如果它们和边缘相连，就会留下，否则就会去掉。

三、案例思考

1）Canny边缘检测器算法基本步骤：

平滑图像：通过使用合适的模糊半径执行高斯模糊来减少图像内的噪声。

计算图像的梯度：这里计算图像的梯度，并将梯度分类为垂直、水平和斜对角。这一步的输出用于在下一步中计算真正的边缘。

非最大值抑制：利用上一步计算出来的梯度方向，检测某一像素在梯度的正方向和负方向上是否是局部最大值，如果是，则抑制该像素（像素不属于边缘）。这是一种边缘细化技术，用最急剧的变换选出边缘点。

用滞后阈值化选择边缘：最后一步，检查某一条边缘是否明显到足以作为最终输出，最后去除所有不明显的边缘。

2）环境配置

运行环境： Python 3 、Pycharm、cv2。其他内置模块，安装好python环境就可以了。

如果需要安装第三方库的话✅下面可以找我拿资料的哈！

（win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安 装速度比较慢, 你可 以切 换国内镜像源)

第三方库的安装： +python安装包 安装教程视频 anaconda5.2.0等等

安装包 +pycharm 社区版 专业版 及 激活码免费 （可以找我免费领取的）

pip install + 模块名 或者 带镜像源 pip install -i pypi.douban.com/simple/ +模块名

四、代码展示

1）Canny函数的原型为：

轮廓检测；轮廓检测主要由cv2.findContours函数实现的。

函数的原型为函数参数：

第一个参数是寻找轮廓的图像；

第二个参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：cv2.RETR_EXTERNAL表示只检测外轮廓。

cv2.RETR_LIST检测的轮廓不建立等级关系。

cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。cv2.RETR_TREE建立一个等级树结构的轮廓。

第三个参数：method为轮廓的逼近方法cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max(abs(x1-x2)，abs(y2-y1))==1。 cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息。 cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS都是使用teh-Chinl chain近似算法。 返回值 如：image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) image：是原图像 contours：图像的轮廓，以列表的形式表示，每个元素都是图像中的一个轮廓。 

hier：相应轮廓之间的关系。这是一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。

2）主程序

import cv2

import numpy as np

img = cv2.imread("hammer.jpg", 0)

cv2.imwrite("canny.jpg", cv2.Canny(img, 200, 300))

cv2.imshow("canny", cv2.imread("canny.jpg"))

cv2.waitKey()

cv2.destroyAllWindows()