Canny边缘检测方法被誉为边缘检测的最优方法。

import cv2import numpy as np

img = cv2.imread('handwriting.jpg', 0)edges = cv2.Canny(img, 30, 70)    # canny边缘检测cv2.imshow('canny', np.hstack((img, edges)))cv2.waitKey(0)

cv2.Canny()进行边缘检测，参数2、参数3表示最低和最高阈值。

 

Canny边缘检测

具体步骤如下：

1. 使用5x5高斯滤波消除噪声：

边缘检测本身属于锐化操作，对噪声比较敏感，所以需要进行平滑处理。高斯滤波的具体内容参考前篇：

2. 计算图像梯度的方向：

首先使用Sobel算子计算两个方向上的梯度Gx和Gy，然后算出梯度的方向：

保留这四个方向上的梯度：0°、45°、90°、135°

3. 取局部最大值：

在四个角度方向上取局部最大值

4. 滞后阈值

经过前面三步，剩下0和可能的边缘梯度值。通过设定两个阈值来筛选阈值：

• 像素点的值大于最高阈值，那肯定是边缘（上图A）
• 像素值小于最低阈值，那肯定不是边缘
• 像素值介于两者之间，如果高于最高阈值的点连接，也算边缘。所以C算，B不算

Canny推荐的高低阈值比在 2 : 1 到 3 : 1 之间

 

先阈值分割后检测

很多情况下，先阈值分割后再检测边缘，效果会更好：

# 先阈值分割后检测_, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)edges = cv2.Canny(thresh, 30, 70)cv2.imshow('canny', np.hstack((img, thresh, edges)))cv2.waitKey(0)