python Canny边缘检测算法的实现
版权申诉
5星 · 超过95%的资源 189 浏览量
2020-09-17
12:27:07
上传
评论 6
收藏 453KB PDF 举报 
python Canny边缘检测算法的实现边缘检测算法的实现
主要介绍了python Canny边缘检测算法的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，
需要的朋友们下面随着小编来一起学习学习吧
图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波。我们知道微分运算是求信号的变化率，具有加强高频分量的作用。
在空域运算中来说，对图像的锐化就是计算微分。对于数字图像的离散信号，微分运算就变成计算差分或梯度。图像处理中有多种边缘检测（梯度）算
子，常用的包括普通一阶差分，Robert算子（交叉差分），Sobel算子等等，是基于寻找梯度强度。拉普拉斯算子（二阶差分）是基于过零点检测。通过
计算梯度，设置阀值，得到边缘图像。
Canny边缘检测算子是一种多级检测算法。1986年由John F. Canny提出，同时提出了边缘检测的三大准则：
低错误率的边缘检测：检测算法应该精确地找到图像中的尽可能多的边缘，尽可能的减少漏检和误检。
最优定位：检测的边缘点应该精确地定位于边缘的中心。
图像中的任意边缘应该只被标记一次，同时图像噪声不应产生伪边缘。
Canny算法出现以后一直是作为一种标准的边缘检测算法，此后也出现了各种基于Canny算法的改进算法。时至今日，Canny算法及其各种变种依旧是一
种优秀的边缘检测算法。而且除非前提条件很适合，你很难找到一种边缘检测算子能显著地比Canny算子做的更好。
关于各种差分算子，还有Canny算子的简单介绍，这里就不罗嗦了，网上都可以找得到。直接进入Canny算法的实现。Canny算法分为以下几步。
1. 高斯模糊。高斯模糊。
这一步很简单，类似于LoG算子（Laplacian of Gaussian）作高斯模糊一样，主要作用就是去除噪声。因为噪声也集中于高频信号，很容易被识别为伪边
缘。应用高斯模糊去除噪声，降低伪边缘的识别。但是由于图像边缘信息也是高频信号，高斯模糊的半径选择很重要，过大的半径很容易让一些弱边缘
检测不到。
2. 计算梯度幅值和方向。计算梯度幅值和方向。
图像的边缘可以指向不同方向，因此经典Canny算法用了四个梯度算子来分别计算水平，垂直和对角线方向的梯度。但是通常都不用四个梯度算子来分别
计算四个方向。常用的边缘差分算子（如Rober，Prewitt，Sobel）计算水平和垂直方向的差分Gx和Gy。这样就可以如下计算梯度模和方向：
梯度角度 θ 范围从弧度 -π 到 π，然后把它近似到四个方向，分别代表水平，垂直和两个对角线方向（0°,45°,90°,135°）。可以以±iπ/8（i=1,3,5,7）分
割，落在每个区域的梯度角给一个特定值，代表四个方向之一。
这里我选择Sobel算子计算梯度。Sobel算法很简单，到处都可以找到，就不列出代码来了。相对于其他边缘算子，Sobel算子得出来的边缘粗大明亮。
下图是对上面半径2的高斯模糊图像L通道（HSL）应用Sobel算子的梯度模图，没有施加任何阀值。
Sobel算子，无阀值
3. 非最大值抑制。非最大值抑制。
非最大值抑制是一种边缘细化方法。通常得出来的梯度边缘不止一个像素宽，而是多个像素宽。就像我们所说Sobel算子得出来的边缘粗大而明亮，从上
面Lena图的Sobel结果可以看得出来。因此这样的梯度图还是很“模糊”。而准则3要求，边缘只有一个精确的点宽度。非最大值抑制能帮助保留局部最大
梯度而抑制所有其他梯度值。这意味着只保留了梯度变化中最锐利的位置。算法如下：
资源评论
meng_07182022-11-25资源内容总结的很到位，内容详实，很受用，学到了~
hhhxhn2022-11-02感谢资源主分享的资源解决了我当下的问题，非常有用的资源。- aa6012023-02-23感谢大佬，让我及时解决了当下的问题，解燃眉之急，必须支持！
- 2301_791099012023-10-15资源很实用，内容详细，值得借鉴的内容很多，感谢分享。
