1 、转换流程

高斯模糊 - GaussianBlur
灰度转换 - cvtColor
计算梯度 – Sobel/Scharr
非最大信号抑制
高低阈值输出二值图像

1 、消除噪声。 使用高斯平滑滤波器卷积降噪。

高斯内核示例:

image.png

2 、计算梯度幅值和方向

image.png

计算梯度幅值和方向:

image.png

3 、非极大值 抑制。

这一步排除非边缘像素， 仅仅保留了一些细线条(候选边缘)。

4 、滞后阈值

最后一步，Canny 使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值):

如果某一像素位置的幅值超过 高 阈值, 该像素被保留为边缘像素。
如果某一像素位置的幅值小于 低 阈值, 该像素被排除。
如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于 高 阈值的像素时被保留。
Canny 推荐的 高:低 阈值比在 2:1 到3:1之间。

2 、整体代码测试

Canny（
InputArray src, // 8-bit的输入图像
OutputArray edges,// 输出边缘图像， 一般都是二值图像，背景是黑色
double threshold1,// 低阈值，常取高阈值的1/2或者1/3
double threshold2,// 高阈值
int aptertureSize,// Soble算子的size，通常3x3，取值3
bool L2gradient // 选择 true表示是L2来归一化，否则用L1归一化
）

blur

image.png

blur()函数可以用标准化的盒式过滤器来平滑图像

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
Mat src, gray_src, dst;
int t1_value = 50;
int max_value = 255;
const char* OUTPUT_TITLE = "Canny Result";
int main(int argc, char** argv) {
    src = imread("D:\\e.jpg");
    if (!src.data) {
        printf("could not load image...\n");
        return -1;
    }

    char INPUT_TITLE[] = "input image";
    namedWindow(INPUT_TITLE, CV_WINDOW_AUTOSIZE);
    namedWindow(OUTPUT_TITLE, CV_WINDOW_AUTOSIZE);
    imshow(INPUT_TITLE, src);

    cvtColor(src, gray_src, CV_BGR2GRAY);//颜色空间转换
    Mat edge_output;
    blur(gray_src, gray_src, Size(3, 3), Point(-1, -1), BORDER_DEFAULT);//平滑处理
    Canny(gray_src, edge_output, t1_value, t1_value * 2, 3, false);//Canny操作
    imshow("Canny",edge_output);
    imshow(OUTPUT_TITLE, ~edge_output);
    waitKey(0);
    return 0;
}

image.png