Canny 算法

边缘：我的理解是在图像处理的过程中，针对我们图像处理的过程中，梯度变化以较大的地方能够让我们能够快速辨识，针对一个人脸，脸上有一些平滑的地方（没错我针对美颜的），与头发的接壤处，会让我们清楚的意识到这个人脸的大小形状等特征。通过线条我们能够很清晰的辨认一个人的特征，因此，图像边缘是图像处理之中很简单的任务之一。

Canny算法步骤

• 去燥（常用高斯滤波）
  任何边缘检测算法都不可能在未经处理的原始数据上很好地工作，使用高斯滤波可以去除常见的噪声。

• 

• 计算梯度大小和方向
  梯度的大小和方向往往可以反应图像灰度值的变化和方向，可以通过点乘一个sobel或其它算子得到不同方向的梯度值。
  常见的梯度算子：canny算子，sobel算子，拉普拉斯算子
• 沿着梯度方向进行非极大值抑制
• 双边阈值处理

• 低于低阈值的舍弃，高于阈值的确定为边缘，在中间的如果与边缘相连接保留，否则舍去。

import cv2

img = cv2.imread("./images/25.jpg",cv2.IMREAD_COLOR)

cv2.imshow("canny",img)

img = cv2.convertScaleAbs(img,alpha=6,beta=0)

cv2.imshow("abs",img)
# 高斯滤波
img = cv2.GaussianBlur(img,(5,5),1)

canny = cv2.Canny(img,100,150)

canny = cv2.resize(canny,(500,500))
cv2.imshow("Canny",canny)
cv2.waitKey(0)