一、Canny 边缘检测

canny 边缘检测五个流程：
- 使用高斯滤波器，用以平滑图像，滤除噪声。
- 计算每个像素点的梯度强度和方向。
- 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测中带来的杂散响应。
- 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
- 通过抑制孤立的弱边缘最终完成边缘检测。

（1）高斯滤波器

在这里插入图片描述

（2）梯度和方向

用的是上一节中的Sobel算子。

在这里插入图片描述

（3）非极大值抑制（Non-Maximum Suppression）

非极大值抑制（NMS）：找到局部极大值，并抑制领域内的其他值。
应用方向：边缘检测，人脸检测，目标检测（DPM,YOLO,SSD,Faster R-CNN）等领域。
以目标检测为例，同一目标位置上会出现很多的候选框，并且每个候选框有一个置信度得分（confidence score），我们根据
最大的置信度分数确定最终的候选框。

（i）线性插值法

在这里插入图片描述

（ii）简化方法

在这里插入图片描述

（4）双阈值检测（Double-Threshold）

在实际的应用中，我们可以根据实际情况来调节 最大阈值 和 最小阈值，以期望获得最终的目的。
如果最小阈值过小，会导致噪音也被选中，导致结果驳杂。
如果最大阈值过大，会导致实际的边界被丢弃，影响效果。

在这里插入图片描述

二、代码示例

img_canny = cv2.Canny(img,threshold1=minval,threshold2=maxval)
minval 对应于双阈值检测中的最小阈值；
maxval 对应着双阈值检测中的最大阈值；

import cv2

img = cv2.imread('lena1.jpg',cv2.IMREAD_GRAYSCALE)
img_c = cv2.Canny(img,threshold1=30,threshold2=150)

cv2.imshow('img',img_c)
cv2.waitKey(0)
cv2.destroyWindow()