11: 边缘检测
学习使用 Canny 获取图像的边缘。图片等可到文末引用处下载。
目标
- Canny 边缘检测的简单概念
- OpenCV 函数：
cv2.Canny()
教程
Canny 边缘检测方法常被誉为边缘检测的最优方法，废话不多说，先看个例子：
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、3 表示最低、高阈值，下面来解释下具体原理。
经验之谈：之前我们用低通滤波的方式模糊了图片，那反过来，想得到物体的边缘，就需要用到高通滤波。推荐先阅读：番外篇：图像梯度。
Canny 边缘检测
Canny 边缘提取的具体步骤如下：
1，使用 5×5 高斯滤波消除噪声：
边缘检测本身属于锐化操作，对噪点比较敏感，所以需要进行平滑处理。高斯滤波的具体内容参考前一篇：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$ G_x G_y $，然后算出梯度的方向：
保留这四个方向的梯度：0°/45°/90°/135°，有什么用呢？我们接着看。
3，取局部极大值：
梯度其实已经表示了轮廓，但为了进一步筛选，可以在上面的四个角度方向上再取局部极大值：
比如，A 点在 45° 方向上大于 B/C 点，那就保留它，把 B/C 设置为 0。
4，滞后阈值：
经过前面三步，就只剩下 0 和可能的边缘梯度值了，为了最终确定下来，需要设定高低阈值：
- 像素点的值大于最高阈值，那肯定是边缘（上图 A）
- 同理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，如果与高于最高阈值的点连接，也算边缘，所以上图中 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
其实很多情况下，阈值分割后再检测边缘，效果会更好：
_, 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)
代码中我用了番外篇：Otsu 阈值法中的自动阈值分割，如果你不太了解，大可以使用传统的方法，不过如果是下面这种图片，推荐用 Otsu 阈值法。另外 Python 中某个值不用的话，就写个下划线'_'。
练习
- （选做）如果你不太理解高低阈值的效果，创建两个滑动条来调节它们的值看看：
小结
- Canny 是用的最多的边缘检测算法，用
cv2.Canny()实现。