opencv Canny函数

最新推荐文章于 2025-06-18 09:26:25 发布
原创 最新推荐文章于 2025-06-18 09:26:25 发布 · 8.2k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

Canny边缘检测算法首先通过高斯平滑去除噪声，然后寻找图像强度梯度并进行非极大抑制，使边界变得清晰。接着使用双阈值技术筛选边界，最后通过滞后边界跟踪确定最终边缘。OpenCV库提供了实现这一算法的函数，接受原图像、两个阈值作为参数。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Canny

原理

  1. 先经过高斯平滑，目的是去噪声

  2. 寻找图像强度梯度

  3. 非极大抑制

    • 这一步的目的是将模糊（blurred）的边界变得清晰（sharp）。通俗的讲，就是保留了每个像素点上梯度强度的极大值，而删掉其他的值。对于每个像素点，进行如下操作：

      • 将其梯度方向近似为以下值中的一个（0,45,90,135,180,225,270,315）（即上下左右和45度方向）

      • 比较该像素点，和其梯度方向正负方向的像素点的梯度强度

      • 如果该像素点梯度强度最大则保留，否则抑制（删除，即置为0）

      • img

  4. 双阈值

    • 经过非极大抑制后图像中仍然有很多噪声点。Canny算法中应用了一种叫双阈值的技术。即设定一个阈值上界和阈值下界（opencv中通常由人为指定的），图像中的像素点如果大于阈值上界则认为必然是边界（称为强边界，strong edge），小于阈值下界则认为必然不是边界，两者之间的则认为是候选项（称为弱边界，weak edge），需进行进一步处理。经过双阈值处理的图像如下图所示

  5. 利用滞后的边界跟踪

    • 体思想是，和强边界相连的弱边界认为是边界，其他的弱边界则被抑制

函数


                

                
                
        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
200万优质内容无限畅学

                          
                        

                      
            

        


    



                



	

		

			

				
					
OpenCV——边缘检测 Canny

				
			

			

				

					weixin_50920631的博客
				

				

					07-19
					
					787
					
				

			

		

		

			
				
运用边缘检测算子对输入图形的边缘进行检测（根据设定好的最大阈值和最小阈值）并将检测到的边缘显示在输出的图像上。参数 apertureSize：Sobel 算子的大小（默认为 3X3 ）；参数 L2gradient：计算图像梯度幅度的标识（默认为 false）。参数 threshold1：边缘检测的第一个（最小）阈值；参数 threshold2：边缘检测的第一个（最大）阈值；参数 edges：输出（边缘）图像；参数 image：输入图像；边缘检测函数 Canny。

			
		

	



                

            
              



	

		

			

				
					
opencv基础44- Canny边缘检测详解-cv.Canny()

				
			

			

				

					小海聊智造
				

				

					08-07
					
					1万+
					
				

			

		

		

			
				
Canny边缘检测是一种经典的边缘检测算法，由John F.Canny在1986年提出。它被广泛应用于计算机视觉和图像处理领域，是一种多阶段的边缘检测算法，能够有效地检测图像中的边缘并抑制噪声。Canny边缘检测的主要步骤如下：噪声抑制：首先，通过使用高斯滤波器对图像进行平滑处理，以去除图像中的噪声。高斯滤波器可以有效地平滑图像，同时保持边缘的细节。计算梯度幅值和方向：使用Sobel算子计算图像中每个像素点的水平和垂直方向的梯度值。然后，根据梯度值计算每个像素点的梯度幅值和方向。

			
		

	



              


  
              

                


	

		

			

				
					
OpenCV Canny()函数

				
			

			

				

					billliu66的博客
				

				

					10-03
					
					954
					
				

			

		

		

			
				
本文介绍了OpenCV Canny()函数，并用一个示例演示了其用法。

			
		

	





	

		

			

				
					
opencv之Canny()函数

				
			

			

				

					duwangthefirst的博客
				

				

					04-18
					
					9万+
					
				

			

		

		

			
				
概述

Canny()函数可以使用canny算法对输入图像进行边缘检测。



API说明

C++ API：




  void cv::Canny
  (
  InputArray
  image,
  （输入图像：8-bit）



  
  
  OutputArray
  edges,
  （输出边缘图像：单通道，8-bit，size与输入图像一致）


  
  
  double
...

			
		

	



		

			
		



	

		

			

				
					
OpenCV计算机视觉实战（11）——边缘检测详解

				
			

			

				

					qq_30167691的博客
				

				

					06-18
					
					3836
					
				

			

		

		

			
				
在本节中，我们系统介绍了三大经典边缘检测算子，包括 Sobel 算子：一阶导数平衡了噪声抑制与边缘提取，结合方向信息可用于纹理分析与车道检测；Laplacian 算子：二阶导数对微小亮度突变尤为敏感，配合零交叉和细化技术，可精确捕捉任意方向的细节边缘；Canny 算法：集成多阶段处理与双阈值策略，通过多尺度融合与自适应阈值优化，达到抗噪与细节兼顾的卓越效果。

			
		

	





	

		

			

				
					
opencv-Canny()函数

				
			

			

				

					kangjielearning的博客
				

				

					10-20
					
					2072
					
				

			

		

		

			
				
canny对边缘进行检测，有三个原则：
1、信噪比原则：以低的错误率检测边缘，也即意味着需要尽可能准确的捕获图像中尽可能多的边缘。
2、定位精度原则：检测到的边缘应精确定位在真实边缘的中心。
3、单位缘响应原则：图像中给定的边缘应只被标记一次，并且在可能的情况下，图像的噪声不应产生假的边缘。
基本思想：首先对图像进行高斯滤波平滑图像，然后采用非极值抑制技术进行处理得到最后的边缘图像。
实现步骤：
1、高斯平滑滤波。为了去除噪声
2、计算梯度强度和方向。边缘的最重要的特征是灰度值剧烈变化，如果把灰度值看成二元

			
		

	





	

		

			

				
					
Opencv cvCanny 函数

				
			

			

				

					weixin_34244102的博客
				

				

					01-14
					
					204
					
				

			

		

		

			
				
#include "stdafx.h" #include <iostream> #include <highgui.h> #include <cv.h> #include <cxcore.h>  int main() { 	IplImage* dst = NULL;      cvNamedWindow("in");  ...

			
		

	





	

		

			

				
					
OpenCV之canny（）函数，边缘检测，高斯平滑滤波的理解

				
			

			

				

					weixin_48306625的博客
				

				

					08-04
					
					4452
					
				

			

		

		

			
				
草鸡详细的canny（）函数理解和代码实现
一个电脑小白的自我成长之路^_&。
canny（）边缘检测过程
1.Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。
2.Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：
好的检测- 算法能够尽可能多地标识出图像中的实际边缘。
好的定位- 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。
最小响应- 图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。
3.算法步骤：

			
		

	





	

		

			

				
					
OpenCV特征检测(2)边缘检测函数Canny()的使用

				
			

			

				

					jndingxin的专栏
				

				

					09-20
					
					1524
					
				

			

		

		

			
				
cv::Canny() 是 OpenCV 库中用于边缘检测的一个非常流行的函数。它使用 Canny 边缘检测算法来找出图像中的边缘。

			
		

	





	

		

			

				
					
C++ Opencv 实现Canny算法

				
			

			

				

					DU_YULIN的博客
				

				

					05-28
					
					2231
					
				

			

		

		

			
				
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档




文章目录

前言
	一、pandas是什么？
	二、使用步骤
	1.引入库
		2.读入数据
	
	总结




前言

复习Canny边缘检测算法原理，并借助C++, Opencv简单实现



一、Canny 实现步骤描述

本文Canny边缘检测算法实现步骤如下：

1. 应用高斯模糊滤除图像噪声，算法借助梯度检测边缘，但是梯度检测对噪声敏感，应用高斯滤波器可以滤除图像噪声，提高边缘检测准确率；

2. 应用Sobel算法...

			
		

	





	

		

			

				
					
【C++】【Opencv】cv::Canny()边缘检测函数详解和示例

				
			

			

				

					不定时分享，互相学习，共同进步
				

				

					11-19
					
					7906
					
				

			

		

		

			
				
Canny边缘检测是一种流行的边缘检测算法，由John F. Canny在1986年开发。它是一种多阶段过程，包括噪声滤波、计算图像强度的梯度、非最大值抑制以及双阈值检测。本文通过函数原型解读和示例对cv::Canny()函数进行详解，以帮助大家理解和使用。

			
		

	





	

		

			

				
					
Canny函数opencv

				
			

			

				

					Johnor的博客
				

				

					12-22
					
					1488
					
				

			

		

		

			
				
在Canny边缘检测算法中，这两个阈值的选择非常关键。相反，如果阈值设置得太高，则可能会导致有用的边缘信息被遗漏。通常，高阈值是低阈值的两到三倍是一个不错的起点，但最佳值取决于具体的应用和图像特性。这个阈值用于确定哪些边缘是真正的边缘。如果像素的梯度强度高于高阈值，那么它一定是边缘的一部分。而如果像素的梯度强度介于两个阈值之间，则该像素只有在与高于高阈值的像素相连时才被视为边缘的一部分。如果一个像素的梯度强度高于低阈值，那么它可能被视为边缘的一部分。函数时，其中的两个参数是用于边缘检测的阈值。

			
		

	





	

		

			

				
					
OpenCV中使用Canny算法在图像中查找边缘

				
			

			

				

					jndingxin的专栏
				

				

					07-10
					
					2440
					
				

			

		

		

			
				
该函数使用Canny算法在输入图像中查找边缘，并在输出映射edges中标记它们。在threshold1和threshold2之间，较小的值用于边缘连接，而较大的值用于寻找初始的强边缘段。Canny算法是一种广泛应用于计算机视觉和图像处理领域中的边缘检测算法。Canny算法因其在检测真实边缘的同时最大限度地减少错误检测和响应重复性方面的良好性能而受到推崇。这是一个重载成员函数，为了方便而提供。你可以调整lowThreshold和highThreshold的值再运行后观察边缘图像的变化，便于理解函数的使用。

			
		

	





	

		

			

				
					
35-OpenCVSharp —- Cv2.Canny()函数功能（Canny算子）详解

				
			

			

				

					weixin_45590420的博客
				

				

					11-20
					
					2653
					
				

			

		

		

			
				
Canny 边缘检测算法是一种非常经典且有效的边缘检测方法，特别适用于图像中噪声较少且对边缘准确性要求较高的应用场景。通过多阶段的过程，Canny 能够准确地提取出图像中的显著边缘，并且具有较强的鲁棒性。然而，算法的计算复杂度较高，可能不适用于实时或大规模图像处理任务。优化图像预处理步骤、阈值调整以及算法的搭配使用可以有效提升边缘检测的效果和性能。

			
		

	





	

		

			

				
					
opencv关于cvcanny函数 [7]

				
			

			

				

					weixin_30363509的博客
				

				

					02-27
					
					642
					
				

			

		

		

			
				
1 #include <highgui.h>
 2 #include <cv.h>
 3 
 4 IplImage * doCanny(IplImage * in,double lowThresh,double highThresh,double aperture)
 5 {
 6     if(in->nChannels !=1)
 7     {...

			
		

	





	

		

			

				
					
opencv边缘检测-canny函数

				
			

			

				

					帕帕尼的博客
				

				

					01-07
					
					2067
					
				

			

		

		

			
				
边缘检测一般步骤：
1、滤波：这里推荐使用高斯滤波
2、增强：增强算法可将灰度图点邻域强度值有显著变化的点凸显出来。可用形态学梯度来计算图像的梯度
3、检测：可用canny、sobel、Laplacian算子进行边缘检测
Canny算子
canny边缘检测步骤：
1、原图-------->灰度图
2、高斯滤波
3、canny边缘检测
#include<opencv2/core.hpp>
#include<opencv2/highgui.hpp>
#include<open

			
		

	





	

		

			

				
					
OpenCV 边缘检测之Canny算法（代码应用）

				
			

			

				

					流楚丶格念的博客
				

				

					01-03
					
					4165
					
				

			

		

		

			
				
Canny算法
Canny是边缘检测算法，在1986年提出的。
是一个很好的边缘检测器
很常用也很实用的图像处理方法
Canny算法步骤

消除噪声：高斯模糊 - GaussianBlur
灰度转换 - cvtColor
计算梯度 – Sobel/Scharr
非最大信号抑制
高低阈值输出二值图像

API：
函数原型及参数
Canny（
InputArray src, // 8-bit的输入图像
OutputArray edges,// 输出边缘图像， 一般都是二值图像，背景是黑色
double thre

			
		

	





	

		

			

				
					
OpenCV——Canny边缘检测（cv2.Canny()）

					
热门推荐

				
			

			

				

					m0_51402531的博客
				

				

					10-31
					
					11万+
					
				

			

		

		

			
				
Canny边缘检测
Canny 边缘检测是一种使用多级边缘检测算法检测边缘的方法。1986 年，John F. Canny 发
表了著名的论文 A Computational Approach to Edge Detection，在该论文中详述了如何进行边缘
检测。
Canny()边缘检测步骤
Canny 边缘检测分为如下几个步骤：
步骤 1：去噪。噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉。
步骤 2：计算梯度的幅度与方向。
步骤 3：非极大值抑制，即适当地让边缘“变瘦”。
步骤 4：确定边缘。使

			
		

	





	

		

			

				
					
openCV：Canny算子

				
			

			

				

					航空界的小爬虫
				

				

					10-16
					
					549
					
				

			

		

		

			
				
Canny边缘检测：
1、高斯模糊 - GaussianBlur
2、灰度转换 - cvtColor
3、计算梯度 – Sobel/Scharr
4、非最大信号抑制
5、高低阈值输出二值图像

Canny（
InputArray src, // 8-bit的输入图像
OutputArray edges,// 输出边缘图像， 一般都是二值图像，背景是黑色
double threshold1,//...

			
		

	





	

		

			

				
					
opencv canny函数

					
最新发布

				
			

			

				

					07-11
				

			

		

		

			
				
<think>我们被要求提供一个关于OpenCV中Canny函数的使用教程和参数说明。根据引用内容，Canny函数是用于边缘检测的，其参数包括threshold1、threshold2、apertureSize和L2gradient。同时，Canny边缘检测的步骤通常包括：转换为灰度图、高斯滤波（降噪）、计算梯度、非极大值抑制、双阈值检测和边缘连接。

我们将按照以下结构组织回答：
1. 介绍Canny边缘检测的基本步骤。
2. 详细说明Canny函数的参数及其意义。
3. 提供一个使用OpenCV Canny函数的代码示例（使用Python，因为OpenCV在Python中也很常用，且用户没有指定语言，但引用中有C++示例，我们也可以提供Python版本）。
4. 讨论参数调整的建议。

注意：用户要求使用中文回答，并且数学表达式使用$...$格式（但本问题中可能较少涉及数学表达式，但会涉及参数说明）。

另外，根据系统指令，我们需要生成相关问题，放在最后。

引用内容中提供了多个来源，我们将适当引用。

开始回答：</think>### OpenCV Canny 函数使用教程及参数说明

Canny 边缘检测是计算机视觉中广泛使用的经典算法，OpenCV 通过 `cv2.Canny()` 函数实现该功能。其核心原理是通过多步骤处理从图像中提取高质量边缘：

1. **灰度转换**  
   将彩色图像转换为单通道灰度图（减少计算量）：  
   $$ \text{Gray} = 0.299R + 0.587G + 0.114B $$

2. **高斯滤波**  
   使用高斯核平滑图像以抑制噪声：  
   $$ G(x,y) = \frac{1}{2\pi\sigma^2}e^{-\frac{x^2+y^2}{2\sigma^2}} $$

3. **梯度计算**  
   通过 Sobel 算子计算水平和垂直方向的梯度（$G_x$, $G_y$），得到梯度幅值和方向：  
   $$ \text{幅值} = \sqrt{G_x^2 + G_y^2}, \quad \text{方向} = \arctan\left(\frac{G_y}{G_x}\right) $$

4. **非极大值抑制**  
   保留梯度方向上局部最大值点，细化边缘（避免粗边）。

5. **双阈值检测**  
   - **强边缘**：梯度值 > 高阈值（`threshold2`）
   - **弱边缘**：低阈值（`threshold1`）< 梯度值 ≤ 高阈值
   - 丢弃梯度值 < 低阈值的像素

6. **边缘连接**  
   将弱边缘连接到相邻的强边缘上，形成连续边缘[^3][^4]。

---

### `cv2.Canny()` 参数详解
函数原型：  
```python
edges = cv2.Canny(image, threshold1, threshold2, apertureSize=3, L2gradient=False)
```
- **`image`**：输入图像（需为单通道灰度图）。
- **`threshold1`**：低阈值（建议值：50-100），用于过滤噪声和弱边缘[^1][^4]。
- **`threshold2`**：高阈值（建议值：低阈值的2-3倍），确定强边缘[^1][^4]。  
  *经验公式*：$ \text{threshold2} \approx 2 \times \text{threshold1} $
- **`apertureSize`**（可选）：Sobel 算子核大小，取奇数（默认3）。增大核（如5）可检测更粗边缘，但计算量增加[^1][^3]。
- **`L2gradient`**（可选）：  
  - `False`（默认）：使用 $ \text{梯度幅值} = |G_x| + |G_y| $（计算快）。
  - `True`：使用 $ \text{梯度幅值} = \sqrt{G_x^2 + G_y^2} $（精度更高）[^1][^3]。

---

### 完整代码示例（Python）
```python
import cv2

# 1. 读取图像并转为灰度图
image = cv2.imread("input.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 2. 高斯模糊降噪（推荐）
blurred = cv2.GaussianBlur(gray, (5, 5), 0)  # 核大小5x5, σ=0（自动计算）

# 3. Canny边缘检测
edges = cv2.Canny(
    image=blurred, 
    threshold1=50,   # 低阈值
    threshold2=150,  # 高阈值（=3×低阈值）
    apertureSize=3,  # Sobel核大小
    L2gradient=False # 使用L1范数计算梯度
)

# 4. 显示结果
cv2.imshow("Original", image)
cv2.imshow("Canny Edges", edges)
cv2.waitKey(0)
```

---

### 关键调试建议
1. **阈值选择**：  
   - 低阈值过低 → 噪声增多（虚边缘增多）  
   - 高阈值过高 → 边缘断裂（丢失真实边缘）  
   *技巧*：通过滑动条实时调整阈值（参考引用[^5]）：  
   ```python
   def update_canny(val):
       low_thresh = cv2.getTrackbarPos('Low', 'Edges')
       edges = cv2.Canny(blurred, low_thresh, 3*low_thresh)
       cv2.imshow('Edges', edges)
   cv2.createTrackbar('Low', 'Edges', 50, 200, update_canny)
   ```

2. **预处理重要性**：  
   高斯滤波的核大小（`kernel_size`）和标准差（$\sigma$）影响噪声抑制效果：  
   - $\sigma$ 增大 → 平滑效果增强，但边缘可能模糊  
   - 典型值：$\sigma_x = \sigma_y = 1.0 \sim 2.0$[^2][^3]

3. **性能优化**：  
   - 优先尝试 `apertureSize=3`  
   - 非实时场景可启用 `L2gradient=True` 提升精度  

---

### 应用场景
- 工业检测（产品边缘缺陷识别）
- 自动驾驶（车道线检测）
- 医学影像（器官轮廓提取）
- OCR（文本区域分割）[^3]

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值