Canny：边缘检测算法：其对受白噪声影响的阶跃型边缘是最优的。
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。这个标准可以解决受噪声影响的边缘问题，以及起到地址非平滑边缘检测算子的作用。
B、计算像素的梯度
C、在边缘检测的基础上使用非最大抑制NMS&是B步的辅助
D、在检测到的边缘上使用双double阈值去除假阳性&又被称为滞后阈值化处理
E、分析所有的边缘以及其之间的连接，以保留真正的边缘，并消除不明显的边缘。（一般这一步都会省略）
步骤解释：
B、计算梯度
①与正交微分滤波器（Prewitt）做卷积
②生成水平方向上导数图像H和垂直方向上的导数图像V
当幅度超过一个临界值时，需要使用非极大值抑制的方法，删除这些不需要的响应。
C、非极大值抑制：搜索局部极大值，抑制非极大值。
<2>与每个角度相关的像素被分别处理。若垂直于梯度的相邻两个像素中的任何一个有较大数值，其幅度将被设置为0。
意义：这样的话，边缘幅值分布极大值处的梯度可以保留，而那些远离极大值的梯度将被抑制。
D双double阈值去除假阳性&滞后阈值化处理—基本属于收尾阶段
为了防止出现给定阈值的漏检或者误检现象（幅值
<阈值，但是有边缘 标记为边缘但是实际上不存在此边缘）,给定两个阈值x1，x2，其中x1
import cv2 import numpy as np v2.imread("img.jpg", 0) cv2.imwrite("canny.jpg", cv2.Canny(img, 200, 300)) cv2.imshow("canny", cv2.imread("canny.jpg")) cv2.waitKey() cv2.destroyAllWindows() 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/204225.html原文链接：https://javaforall.net
