圖像邊緣檢測（Canny)

Canny檢測的流程

Canny檢測主要是用於邊緣檢測

1)使用高斯濾波器，以平滑圖像，濾除雜訊。

2)計算圖像中每個像素點的梯度強度和方向。

3)應用非極大值(Non-Maximum Suppression)抑制，以消除邊緣檢測帶來的雜散響應

4)應用雙閾值(Double-Threshold)檢測來確定真實的和潛在的邊緣

5)通過抑制孤立的弱邊緣最終完成邊緣檢測。

註：

NMS（非極大值抑制）：

　　就是抑制不是極大值的元素，可以理解為局部最大搜索。這個局部代表的是一個鄰域，鄰域有兩個參數可變，一是鄰域的維數，二是鄰域的大小。

　　例如：

　　　　行人檢測中，滑動視窗經提取特征，經分類器分類識別後，每個視窗都會得到一個分數。但是滑動視窗會導致很多視窗與其他視窗在包含或者大部分交　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

　　　　叉的情況。這時就需要用到NMS來選取那些鄰域里分數最高（是行人的概率最大），並且抑制那些分數低的視窗

　　演算法：

　　　　線性插值法

應用雙閾值：大於maxval的設置為邊界，

　　　　　　處於maxval和minval中間 和邊界點相連保留，其餘捨去，

　　　　　　小於minval 捨去

1 #cv2.Canny(src,minval,maxval)
2 #minval:最低閾值
3 #maxval:最高閾值
4 #閾值越低，圖像越細緻
5 canny1 = cv2.Canny(img,80,150)
6 canny2 = cv2.Canny(img,50,100)
7 res = np.hstack((canny1,canny2))
8 Cv_Show('res',res)