Canny邊緣檢測：cv2.Canny() 1.原理 1.1噪音去除 由于邊緣檢測很容易受到噪音影響，所以第一步是使用5x5的高斯濾波器去除噪音。 1.2計算圖像梯度 對平滑后的圖像使用Sobel算子計算水平方向和豎直方向的一階導數（圖像梯度）（Gx和Gy）。根據得到的這兩幅梯度圖找到邊界的梯度和方向。公式如下：  梯度的方向一般總是與邊界垂直。梯度方向被歸為四類：垂直，水平，和兩條對角線。 1.3非極大值抑制 在獲得梯度的方向和大小之后，應該對整幅圖想做一個掃描，出去那些非邊界上的點。對每一個像素進行檢查，看這個點的梯度是不是周圍具有相同梯度方向的點中最大的。  現在你得到的是一個包含“窄邊界”的二值圖像。 1.4滯后閥值 現在要確定那些邊界才是真正的邊界，需要設置兩個閥值：minVal和maxVal。當圖像的灰度梯度高于maxVal時被認為是真的邊界，那些低于minVal的邊界會被拋棄。如果介于兩者之間的話，就要看這個點是否與某個被確定為真正邊界點相連，如果是，就認為它也是邊界點，如果不是就拋棄。 2.OpenCV中的Canny邊界檢測 cv2.Canny（）第一個參數是輸入圖像，第二和第三個分別是minVal和maxVal。第三個參數設置用來計算圖像梯度的Sobel卷積核的大小，默認值為3。最后一個參數是L2gradient，它可以用來設定求梯度大小的方程。如果設為True，就睡使用我們上面提到過的方程，否則使用方程：代替，默認值為False。 ~~~ import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('1024.jpg',0) edges = cv2.Canny(img,100,200) plt.subplot(121),plt.imshow(img,cmap='gray') plt.title('original'),plt.xticks([]),plt.yticks([]) plt.subplot(122),plt.imshow(edges,cmap='gray') plt.title('edge'),plt.xticks([]),plt.yticks([]) plt.show() ~~~