坎尼边缘检测算法示例

坎尼边缘检测算法示例

在计算机视觉领域中，边缘检测是一项重要的基础工作。坎尼边缘检测算法是一种经典的边缘检测方法，它可以用于检测图像中的边缘和轮廓线。本文将为大家介绍坎尼边缘检测算法，并提供相应的 Python 代码实现。

坎尼边缘检测算法简介
坎尼边缘检测算法是一种基于梯度的边缘检测方法，其基本思想是在图像中寻找一些极值点，并将这些极值点连接成为边缘线。坎尼边缘检测算法的步骤如下：

1. 去噪：使用高斯滤波器对图像进行平滑处理，去除噪声干扰。
2. 计算梯度：使用 Sobel 算子计算图像的水平方向和垂直方向上的梯度值。
3. 非极大值抑制：对图像中的每个像素点，在梯度方向上寻找局部最大值点，并将其标记为边缘点。
4. 双阈值检测：根据用户设置的阈值，对标记为边缘点的像素进行分类，分为强边缘、弱边缘和非边缘三类。
5. 边缘链接：将弱边缘和强边缘进行连接，生成完整的边缘线。

坎尼边缘检测算法实现
下面的代码演示了如何使用 OpenCV 库中的 Canny 函数实现坎尼边缘检测算法。在本例中，我们将使用一张名为 “lena.jpg” 的图片进行测试。

import cv2

# 读取图像
img = cv2.imread("lena.jpg", cv2.IMREAD_GRAYSCALE)

# 进行高斯平滑处理
img &#