Candy边缘检测的一般步骤

1. 使用高斯滤波器，以平滑图像，滤除噪声。

2. 计算图像中每个像素点的梯度强度和方向。

3. 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

4. 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

5. 通过抑制孤立的弱边缘最终完成边缘检测。

1、高斯滤波器

2、梯度和方向
3、非极大值抑制


4、双阈值检测

下面介绍一下cv2.Candy()这个函数的常见参数的含义

cv2.Canny(src, thresh1, thresh2,edges,apertureSize,L2gradient) 

src:输入原图（必须为单通道图）
thresh1:minVal
thresh2:maxVal
apertureSize：Sobel算子的大小
L2gradient：bool类型；
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）

gray=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)
img=cv2.GaussianBlur(gray,(3,3),0)
v1=cv2.Canny(img,80,150)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show(res,'res')

gray=cv2.imread("car.png",cv2.IMREAD_GRAYSCALE)
img=cv2.GaussianBlur(gray,(3,3),0)
v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show(res,'res')