opencv提取边缘线 opencv提取边缘坐标

Canny算子是John.F.Canny于20世纪80年代提出的一种多级边缘检测算法。该算子最初的提出是为了能够得到一个最优的边缘检测，即：检测到的边缘要尽可能跟实际的边缘接近，并尽可能的多，同时，要尽量降低噪声对边缘检测的干扰。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。

总共可以分为五步：

高斯模糊GaussianBlur。将输入的彩色图像进行高斯模糊来去掉噪声

灰度转换cvtColor。

计算梯度Sobel/Scharr。去掉噪声后对图像求取梯度

获得梯度后会根据图像角度来实现非最大信号抑制(通过双阈值来控制)

高低阈值输出二值图像。

关于2个阈值参数：

低于阈值1的像素点会被认为不是边缘；

高于阈值2的像素点会被认为是边缘；

在阈值1和阈值2之间的像素点,若与第2步得到的边缘像素点相邻，则被认为是边缘，否则被认为不是边缘。

关于L2gradient参数：

如果为true，计算图像梯度的时候会使用：（更加精确）

如果为false，计算图像梯度的时候会使用：

# canny运算步骤：5步
# 1. 高斯模糊 - GaussianBlur （这一步是为了先降低噪声，因为canny对噪声敏感）
# 2. 灰度转换 - cvtColor
# 3. 计算梯度 - Sobel/Scharr
# 4. 非极大值抑制
# 5. 高低阈值输出二值图像
# 非极大值抑制：
# 算法使用一个3×3邻域作用在幅值阵列M[i,j]的所有点上；
# 每一个点上，邻域的中心像素M[i,j]与沿着梯度线的两个元素进行比较，
# 其中梯度线是由邻域的中心点处的扇区值ζ[i,j]给出。
# 如果在邻域中心点处的幅值M[i,j]不比梯度线方向上的两个相邻点幅值大，则M[i,j]赋值为零，否则维持原值；
# 此过程可以把M[i,j]宽屋脊带细化成只有一个像素点宽，即保留屋脊的高度值。
# 高低阈值连接
# T1，T2为阈值，凡是高于T2的都保留，凡是低于T1的都丢弃
# 从高于T2的像素出发，凡是大于T1而且相互连接的都保留。最终得到一个输出二值图像
# 推荐高低阈值比值为T2:T1 = 3:1/2:1,其中T2高阈值，T1低阈值

我们也可以选择给提取的边缘上色。