分享人工智能技术干货，专注深度学习与计算机视觉领域！

OpenCV为我们提供了一个非常方便的边缘检测接口Canny函数，该函数的命名是以其发明者Jhon F.Canny命名的，自1986年被发明后该算法就一直很受欢迎，其不容易受噪声的干扰，它的双阈值法可以分别检测到强边缘和弱边缘，并且仅当弱边缘与强边缘相连时，才将弱边缘包含在输出结果中，这就保障了检测到真正的弱边缘。Canny算法不仅效果好，其使用也非常简便，仅需一行代码即可实现边缘检测，一般其工作原理如下：

1）使用高斯滤波器对图像进行平滑去噪；

2）计算输入图像梯度；

3）在边缘上使用非极大值抑制（NMS）进行过滤；

4）在检测到的边缘上使用双阈值法去除假阳性；

5）分析所有的边缘及其之间的连接，以保留真正的边缘并消除不明显的边缘；

该接口的定义及其形参说明如下：

Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)

image：输入的8bit图像

threshold1：阈值1

threshold2：阈值2

edges：输出的边缘图像，8bit单通道，宽高与输入图像一致

apertureSize：Sober算子核大小

L2gradient：是否使用更精确的方式计算梯度，True使用，否则不用

Canny函数还有另外一种接口定义，其说明如下：

Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]])

dx：输入图像在x方向的导数：16-bit（CV_16SC1或CV_16SC3）

dy：输入图像在y方向的导数：16-bit（CV_16SC1或CV_16SC3）

threshold1：同上

threshold2：同上

edges：同上

L2gradient：同上

一般来说，梯度小于阈值1则认为不是边缘，梯度大于阈值2则认为是强边缘，而介于阈值1和阈值2之间的则认为是弱边缘，只有弱边缘与强边缘相连，算法才会视该像素点为边缘进行保留，否则就不是从而抛弃掉。

而对于L2gradient参数，其将计算图像梯度方式导向不同的公式，一般会存在如下两种情况：

True：

False：

我们以如下摩天轮来举例说明Canny边缘检测算法的一般使用示例：

示例代码如下：

# -*- coding:utf-8 -*-#!/usr/bin/env pythonimport cv2def detect_edges(img_path):    img_gray = cv2.imread(img_path, cv2.CV_LOAD_IMAGE_GRAYSCALE)    img_edges = cv2.Canny(img_gray, 150, 250)    cv2.imwrite("canny_edge_img.jpg", img_edges)    if __name__ == '__main__':    img_path = 'original.jpg'    detect_edges(img_path)

运行该示例代码后的输出结果如下：

实际上，两个阈值需要依据具体情况进行调试设定，否则会得到不一样的效果！

关于Canny边缘检测算法的更多详情，还可以访问如下链接获得：

http://en.wikipedia.org/wiki/Canny_edge_detector