原文链接：http://blog.csdn.net/humanking7/article/details/46606791
Canny边缘检测算子是一种多级检测算法。1986年由John F. Canny提出，同时提出了边缘检测的三大准则：
// Canny 边缘检测器示例。 // 加载图像并从中计算 NDVI。 var image = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_031034_20110619');
边缘检测在图像处理和计算机视觉领域中起着重要的作用。 Laplacian 算子和 Canny 边缘检测是两种常用的边缘检测方法，它们能够帮助我们准确地检测图像中的边缘信息。 OpenCV 提供了这两种算子的实现函数，使得边缘检测更加简单和高效。本文将以 Laplacian 算子和 Canny 边缘检测为中心，为你介绍使用 OpenCV 进行边缘检测的基本步骤和实例。
cv2.Canny()进行边缘检测，参数2、3表示最低、高阈值，下面来解释下具体原理。
其中较大的阈值2用于检测图像中明显的边缘，但一般情况下检测的效果不会那么完美，边缘检测出来是断断续续的。所以这时候用较小的第一个阈值用于将这些间断的边缘连接起来。
CSDN 叶庭云：https://yetingyun.blog.csdn.net/
图像边缘检测的概念和大概原理可以参考我的另一篇博文，链接如下： https://blog.csdn.net/wenhao_ir/article/details/51743382
将stdafx.h、targetver.h、dllmain.cpp、MyDLL.cpp、stdafxc.pp删除。
Sobel算子的思想，邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越远，产生的影响越小。Sobel算子计算原理，对传进来的图像像素做卷积，卷积的实质是在求梯度值，或者说给了一个加权平均，其中权值就是所谓的卷积核；然后对生成的新像素灰度值做阈值运算，以此来确定边缘信息。
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。
很多时候，我们为了选要素需要手动进行，但是目前有GOOGLE上已有了HoughTransform算法，让我们看图说话：
如果我们环顾房间，我们会看到大量的物体，每一个都很容易区分，并有自己独特的边缘。我们区分物体的先天能力部分来自于我们的视觉系统检测边缘的能力。检测边缘是视觉的一项基本任务，尽管没有它我们不会完全失明，但以前区分物体的简单任务将变得非常具有挑战性。电脑也是类似的，计算机要检测物体，首先需要识别边缘。
Canny边缘检测是一种非常流行的边缘检测算法，是John Canny在1986年提出的。它是一个多阶段的算法，即由多个步骤构成。
本章是《Stable Diffusion 从入门到企业级实战》系列的第四部分能力进阶篇《Stable Diffusion ControlNet v1.1 图像精准控制》第03节， 利用Stable Diffusion ControlNet Canny模型精准控制图像生成。本部分内容，位于整个Stable Diffusion生态体系的位置如下图黄色部分所示：
其中OpenCV提供了许多边缘检测滤波函数，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。
minVal = 0, maxVal = 50 （../pic/concatenate/canny_edge[000,050].jpg）：
边缘检测适用于广泛的图像处理任务。除了卷积部分中描述的边缘检测内核之外，Earth Engine 中还有几种专门的边缘检测算法。 Canny 边缘检测算法 (Canny 1986) 使用四个单独的过滤器来识别对角线、垂直和水平边缘。该计算提取水平和垂直方向的一阶导数值并计算梯度幅值。较小量级的梯度被抑制。要消除高频噪声，可选择使用高斯内核对图像进行预过滤。 一个最简单的代码：
edge.cpp houghlines.cpp lsd_lines.cpp.
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。
void cvCanny( const CvArr* image, CvArr* edges, double threshold1, double threshold2, int aperture_size=3 ); image单通道输入图像.edges单通道存储边缘的输出图像threshold1第一个阈值threshold2第二个阈值aperture_sizeSobel 算子内核大小 (见 cvSobel).
本节中最后介绍的边缘检测算法是Canny算法，该算法不容易受到噪声的影响，能够识别图像中的弱边缘和强边缘，并结合强弱边缘的位置关系，综和给出图像整体的边缘信息。Canny边缘检测算法是目前最优越的边缘检测算法之一，该方法的检测过程分为以下5个步骤：
效果图看完，我们来唠唠嗑。 首先，需要说明的是，浅墨这篇文章最后的示例代码是采用两周前刚刚发布的2.4.9来书写的。里面的lib都已经改成了2.4.9版本的。如果大家需要运行的话，要么配置好2.4.9.要么把浅墨在工程中包含的末尾数字为249的各种lib改成之前的248或者你对应的OpenCV版本。 不然会提示： LINK : fatal error LNK1181: 无法打开输入文件“opencv_calib3d248.lib”之类的错误。 OpenCV 2.4.9的配置和之前的2.4.8差不多，如果还是不太清楚，具体可以参考浅墨修改过的对应2.4.9版的配置文章： 【OpenCV入门教程之一】 安装OpenCV：OpenCV 2.4.8或2.4.9 +VS 开发环境配置 第二，给大家分享一个OpenCV中写代码时节约时间的小常识。其实OpenCV中，不用namedWindow，直接imshow就可以显示出窗口。大家看下文的示例代码就可以发现，浅墨在写代码的时候并没有用namedWindow，遇到想显示出来的Mat变量直接imshow。我们一般是为了规范，才先用namedWindow创建窗口，再imshow出它来，因为我们还有需要用到指定窗口名称的地方，比如用到trackbar的时候。而一般情况想显示一个Mat变量的图片的话，直接imshow就可以啦。 OK，开始正文吧~ 一、关于边缘检测 在具体介绍之前，先来一起看看边缘检测的一般步骤吧。 1）滤波：边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核（具体见“高斯滤波原理及其编程离散化实现方法”一文），然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和（具体程序实现见下文）。 2）增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。 3）检测：经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是我们要找的边缘点，所以应该采用某种方法来对这些点进行取舍。实际工程中，常用的方法是通过阈值化方法来检测。 另外，需要注意，下文中讲到的Laplace算子，sobel算子和Scharr算子都是带方向的，所以，示例中我们分别写了X方向,Y方向和最终合成的的效果图。 OK，正餐开始，召唤canny算子。：） 二、canny算子篇 2.1 canny算子相关理论与概念讲解
图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波。我们知道微分运算是求信号的变化率，具有加强高频分量的作用。在空域运算中来说，对图像的锐化就是计算微分。对于数字图像的离散信号，微分运算就变成计算差分或梯度。图像处理中有多种边缘检测（梯度）算子，常用的包括普通一阶差分，Robert算子（交叉差分），Sobel算子等等，是基于寻找梯度强度。拉普拉斯算子（二阶差分）是基于过零点检测。通过计算梯度，设置阀值，得到边缘图像。
热力学第二定律（second law of thermodynamics），热力学基本定律之一，克劳修斯表述为：热量不能自发地从低温物体转移到高温物体。开尔文表述为：不可能从单一热源取热使之完全转换为有用的功而不产生其他影响。熵增原理：不可逆热力过程中熵的微增量总是大于零。在自然过程中，一个孤立系统的总混乱度（即“熵”）不会减小。
1.若不知道怎么安装opencv或者使用的请看我的这篇文章（曾上过csdn综合热榜的top1）：
图像轮廓边缘指的是图像中目标对象和背景之间的区分明显的交界线。对于数字图像来说，图像边缘是数字图像中灰度变化比较大的点，它是物体最基本的特征之一。基于图像边缘灰度剧烈变化的特征，传统的边缘检测方法往往根据灰度变化的情况进行边缘提取。
边缘检测是图像处理的主要组成部分。尽管基于卷积神经网络等基于深度学习的技术可以执行非常复杂的边缘检测（即具有变化的曲率，噪声，颜色等的边缘），但在某些情况下，经典的边缘检测方法仍然具有很高的意义！例如，如果已知数据是简单且可预测的；与CNN相比，Canny边界检测可以立即使用，而CNN的实现通常较为复杂。
Canny的原理就不细说了，冈萨雷斯的《数字图像处理》（中文第三版）P463~465讲解的比较清楚，主要就四个步骤：
在这一篇文章里我们将去学习在计算机视觉中边缘检测的知识，并且去使用OpenCV来实现Canny边缘检测算法。
通过Github查找作者TommyZihao，在其aidlux_tutorial工程下找到“用手机摄像头玩转OpenCV”这个项目，并以压缩包的形式下载下来。
大多数车道都设计得相对简单，这不仅是为了鼓励有序，还为了让人类驾驶员更容易以相同的速度驾驶车辆。因此，我们的方法可能会通过边缘检测和特征提取技术先检测出摄像机馈送回来的直线。我们将用 OpenCV（一个开源的用来实现计算机视觉算法的库）。下图是我们的方法流程的概述。
如上图所示，上图的第一幅图表示一张数字图片，我们对水平红线处进行求导，便可得到上图二中的关系，可以看到在边缘处有着较大的跳变。但是，导数也会受到噪声的影响，因此建议在求导数之前先对图像进行平滑处理（上图三）。
之前写过一篇博文：opencv中初学者必须了解的5个函数-灰度化、模糊、Canny边缘检测、膨胀和侵蚀，是用C++ OpenCV实现的，对应代码如下：
主要在于double newValue = (r * 0.2126 + g * 0.7152 + b * 0.0722);这句话，把每个点转为灰色
来源：DeepHub IMBA本文约1500字，建议阅读6分钟本文将要介绍整合HuggingFace的diffusers 包和ControlNet调节生成文本到图像，可以更好地控制文本到图像的生成。 ControlNet是一种通过添加额外条件来控制扩散模型的神经网络结构。它提供了一种增强稳定扩散的方法，在文本到图像生成过程中使用条件输入，如涂鸦、边缘映射、分割映射、pose关键点等。可以让生成的图像将更接近输入图像，这比传统的图像到图像生成方法有了很大的改进。 ControlNet 模型可以在使用小数据集
本教程介绍了使用 HuggingFace 的 diffusers 包通过 ControlNet 生成文本到图像的技术指南。
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。
可以直接去https://github.com/murtazahassan/Learn-OpenCV-cpp-in-4-Hours/blob/main/Resources/test.png地址直接下载到。
1.canny边缘检测 基本原理：检测亮度的急剧变化（大梯度 比如从白色到黑色）在给定阈值下定义为边 预处理：转换灰度图 Canny: 降噪：噪声容易导致误检，用 5*5 的高斯滤波器(正太分布核)对图像做卷积(平滑图像) [Canny自带] 求亮度梯度：在平滑的图像上用 Sobel/Roberts/Prewitt 核沿 x 轴和 y 轴检测边缘是水平/垂直/对角线 非极大值抑制：细化边缘。检查每个像素值在先前计算的梯度方向上是否为局部最大值（相比B,C如果A是局部最大则在下一个点上检查非极大值抑制否则将
Canny边缘检测速度很快，OpenCV中经常会用到Canny边缘检测，以前的Demo中使用Canny边缘检测都是自己手动修改高低阈值参数，最近正好要研究点小东西时，就想能不能做个自适应的阈值，在不影响整体效果的基础上不用手动调参，话不多说，直接开始。
当今计算机视觉在我们的日常生活中运用的十分广泛，例如人脸识别、自动驾驶、等等 由于对自动驾驶十分感兴趣，因此就花了一些时间实现了车道线检测 环境 笔者的环境配置如下： ubuntu 16.04 python3.7 opencv >=4.0 说明：这里的系统以及python的版本都不是固定的，读者使用win10 win7也是可以的 但是python的版本一定要是3.x的版本 第三方库 这里使用的第三方库，是大家比较熟悉的opencv以及numpy import cv2 import numpy as np 函
一般的边缘检测算法用一个阀值来滤除噪声或颜色变化引起的小的梯度值，而保留大的梯度值。Canny算法应用双阀值，即一个高阀值和一个低阀值来区分边缘像素。如果边缘像素点梯度值大于高阀值，则被认为是强边缘点。如果边缘梯度值小于高阀值，大于低阀值，则标记为弱边缘点。小于低阀值的点则被抑制掉。
本项目旨在运用Python语言分析和阐述计算机视觉技术中的目标检测在农作物病虫害方面的应用。具体而言，我们将运用Python语言运行并得出目标叶面中已遭受病虫害的面积，然后分析是否需要进行农药喷洒等防治病虫害的进一步肆虐，进而帮助农名伯伯更好地管理农作物，减少损失、增加产量……
Canny边缘检测是一种流行的边缘检测算法。它是由John F. Canny在2006年开发的。
严格的说，梯度计算需要求导数。但是图像梯度的计算，是通过计算像素值的差得到梯度的近似值。图像梯度表示的是图像变化的速度，反映了图像的边缘信息。
分析了Canny的优劣，并给出了OpenCV使用深度学习做边缘检测的流程，文末有代码链接。
左边的大图是截取后的原图，右边是提取后的实际图，然后根据提取出来的再进行OCR识别，识别这块就不再说了，这里只是写一下怎么提取的图片。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
