基于人工智能平台的opencv图片操作之Canay边缘检测

1. 实验目的

熟悉opencv读入图片，显示图像，了解canny边缘检测的用途及原理.

2.实验设备

安装了python和pychrm的电脑一台。

3.实验内容

包含图片的导入、canay边缘检测

4.实验原理

什么是边缘？

边缘一般是指图像在某一局部强度剧烈变化的区域。强度变化一般有两种情况：阶跃变化和屋顶变化。

1.阶跃变化

灰度变化图像如下图所示（横轴表示空间变化，纵轴表示灰度变化，虚线表示边缘）：

图1.1.1 像素值阶跃变化

此图对应的是向亮渐变的过程。

2.屋顶变化

灰度变化图像如下图所示（横轴表示空间变化，纵轴表示灰度变化，虚线表示边缘）：

图1.1.2 像素值屋顶变化

此图对应得实由暗到亮再变暗的过程。而边缘检测的任务：找到具有阶跃变化或者屋顶变化的像素点的集合。

边缘检测基本原理：

既然边缘是灰度变化最剧烈的位置，最直观的想法就是求微分。对于第一种情况：一阶微分的峰值为边缘点，二阶微分的零点为边缘点。对于第二种情况：一阶微分的零点为边缘点，二阶微分的峰值为边缘点。

OpenCV提供了许多边缘检测滤波春数，包括Laplacian()、Sobel()以及Scharr()等。这些滤波函数都会将非边缘区域转为黑色，将边缘区域转为白色或其他饱和的颜色。但是，这些函数都很容易将噪声错误地识别为边缘。缓解这个问题的方法是在找到边缘之前对图像进行模糊处理。OpenCV也提供了许多模糊滤波函数,包括blur()(简单的算术平均)、medianBlur()以及GaussianBlur()。边缘检测滤波函数和模糊滤波丽数的参数有很多，但总会有一个ksize(滤波核尺寸)参数，它是一个奇数，表示滤波核的宽和高。

Canny边缘检测，它对受白噪声影响的阶跃型边缘是最优的，canny检测子的最优性与以下三个标准有关：

检测标准：不丢失重要的边缘，不应有虚假的边缘

定位标准：实际边缘与检测到的边缘位置之间的偏差最小

单响应标准：将多个响应降低为单个边缘响应。这一点被第一个标准部分地覆盖了，因为当有两个响应对应于单个边缘时，其中之一应该被认为是虚假的。这第三个标准解决受噪声影响的边缘问题，起抵制非平滑边缘检测