图像边缘检测 - 博客详情

Canny 边缘检测算法是一种非常流行的边缘检测算法，它由 John F. Canny 在 1986 年提出。

1.Canny算法

Canny算法是一种用于图像处理的边缘检测算法，它的主要目的是从图像中找出物体的轮廓（边缘）。我们可以用一个简单的比喻来理解它：想象你有一张照片，Canny算法就像是一个“智能画笔”，它能自动帮你勾勒出照片中物体的轮廓，比如桌子的边、人的轮廓、窗户的框架等等。下面我会用通俗易懂的方式解释它的主要步骤：

平滑处理（去噪）在开始找轮廓之前，Canny算法会先给图像“洗个澡”，去除一些脏东西（噪声）。因为噪声就像是照片上的小瑕疵，会影响后续的边缘检测。它通常用一种叫做高斯滤波器（Gaussian filter）的方法，就像用一块柔软的布轻轻擦拭照片，让图像变得平滑。
计算梯度（找变化）接下来，算法会检查图像中每个点的“变化情况”。简单来说，就是看看图像的亮度是从亮到暗，还是从暗到亮。如果亮度变化很快，那很可能是一个边缘。比如，一张黑白照片中，白纸和黑字的交界处，亮度变化就很大。Canny算法会计算每个点的梯度大小（变化的强度）和梯度方向（变化的方向）。
非极大值抑制（选最强的边缘）这一步就像是在一群候选人中选最优秀的。Canny算法会沿着梯度方向检查每个点，看看它是不是周围最突出的。如果不是，就把它“淘汰掉”。比如，一条直线的边缘，我们只需要保留最清晰、最明显的部分，而不是所有的模糊边缘。
双阈值检测（筛选边缘） Canny算法会用两个阈值来筛选边缘：一个高阈值和一个低阈值。高阈值用来找出“非常确定”的边缘，比如很明显的轮廓；低阈值用来找出“可能的边缘”。然后，它会把那些“可能的边缘”和“非常确定的边缘”连接起来，形成完整的轮廓。
边缘连接（勾勒完整轮廓）最后一步是把所有筛选出来的边缘连起来，形成完整的物体轮廓。就像用笔把断断续续的线条连起来，画出一个完整的图形。

Canny算法就像一个智能的“画师”，它通过平滑图像、找变化、选最强的边缘、筛选边缘和连接边缘这几个步骤，最终勾勒出图像中物体的轮廓。它被广泛用于计算机视觉领域，比如自动驾驶（检测道路边缘）、医学图像处理（勾勒器官轮廓）等。

代码实现：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('./images/jpg/small_bird01.jpg')

# 将图像转换为灰度图
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 应用 Canny 边缘检测
edges = cv2.Canny(gray_image, threshold1=50, threshold2=150)

# 显示原图和边缘图
cv2.imshow('Original Image', image)
cv2.imshow('Edge Image', edges)

# 等待按键后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

2.Canny算法和Sobel算子对比

Sobel算子：适合快速处理简单边缘检测任务，能够快速计算梯度并检测到明显的水平和垂直边缘，但对噪声敏感，边缘可能不够精细。
Canny算法：适合需要高精度和抗噪能力的场景，能够检测到更精细的边缘，并且边缘连续性更好。

因此，选择哪种方法取决于具体的应用需求。如果需要快速处理且对噪声不敏感，Sobel算子是不错的选择；如果需要高精度和抗噪能力，则Canny算法更适合。