Canny边缘检测方法被誉为边缘检测的最优方法。
import cv2 import 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：OpenCV-Python教程9-平滑图像
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)
