一、边缘定义及类型

边缘类型：简单分为4中类型，阶跃型、屋脊型、斜坡型、脉冲型，其中阶跃型和斜坡型是类似的，只是变化的快慢不同。

二、边缘检测算子类别

边缘检测算子：

• 一阶导数： Roberts、Sobel、Prewitt
• 二阶导数： Laplacian、Log/Marr、(Kirsch、Nevitia)
• 非微分边缘检测算子： Canny
  关于算子详情请查看：https://blog.csdn.net/wsp_1138886114/article/details/81368890
  

三、OpenCV-Python 中 Canny() 参数

步骤：

• 彩色图像转换为灰度图像（以灰度图或者单通道图读入）
• 对图像进行高斯模糊（去噪）
• 计算图像梯度，根据梯度计算图像边缘幅值与角度
• 沿梯度方向进行非极大值抑制（边缘细化）
• 双阈值边缘连接处理
• 二值化图像输出结果

"""
cv2.Canny(image,            # 输入原图（必须为单通道图）threshold1, threshold2,       # 较大的阈值2用于检测图像中明显的边缘[, edges[, apertureSize[,    # apertureSize：Sobel算子的大小L2gradient ]]])   # 参数(布尔值)：true： 使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开放），false：使用L1范数（直接将两个方向导数的绝对值相加）。
"""import cv2
import numpy as np  original_img = cv2.imread("qingwen.png", 0)# canny(): 边缘检测
img1 = cv2.GaussianBlur(original_img,(3,3),0)
canny = cv2.Canny(img1, 50, 150)# 形态学：边缘检测
_,Thr_img = cv2.threshold(original_img,210,255,cv2.THRESH_BINARY)#设定红色通道阈值210（阈值影响梯度运算效果）
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))         #定义矩形结构元素
gradient = cv2.morphologyEx(Thr_img, cv2.MORPH_GRADIENT, kernel) #梯度cv2.imshow("original_img", original_img) 
cv2.imshow("gradient", gradient) 
cv2.imshow('Canny', canny)cv2.waitKey(0)
cv2.destroyAllWindows()

可调整阈值大小的程序

import cv2
import numpy as npdef CannyThreshold(lowThreshold):detected_edges = cv2.GaussianBlur(gray,(3,3),0)detected_edges = cv2.Canny(detected_edges,lowThreshold,lowThreshold*ratio,apertureSize = kernel_size)dst = cv2.bitwise_and(img,img,mask = detected_edges)  # just add some colours to edges from original image.cv2.imshow('canny demo',dst)lowThreshold = 0
max_lowThreshold = 100
ratio = 3
kernel_size = 3img = cv2.imread('qingwen.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)cv2.namedWindow('canny demo')cv2.createTrackbar('Min threshold','canny demo',lowThreshold, max_lowThreshold, CannyThreshold)CannyThreshold(0)  # initialization
if cv2.waitKey(0) == 27:cv2.destroyAllWindows()