总目录：1.1 OpenCV介绍与学习路线　｜　第三章：边缘、轮廓与几何　｜　编号：3.1

← 上一节：2.7 HSV颜色检测　｜　下一节：3.2 查找与绘制轮廓 →

---

3.1 Canny 边缘检测

图像里亮暗变化突然的地方，很可能是物体边界、纹理或阴影。Canny 的工作是把这些变化压成较细、较连续的边缘线。

一、边缘是什么

边缘不是物体本身，而是像素值变化明显的位置：

一整块白纸内部 → 亮度变化小，不像边缘
白纸与黑桌交界 → 亮度突然变化，很像边缘
纸上的纹理、反光 → 也可能产生边缘

所以“有边缘”不等于“找到了目标”。Canny 只是把候选边界提出来，后面还需要 轮廓、几何特征和筛选。

二、Canny 不只是“套两个阈值”

Canny 大致包含：

去噪
 ↓
计算梯度强度与方向
 ↓
非极大值抑制，把粗边压细
 ↓
双阈值分类强边缘与弱边缘
 ↓
滞后连接：保留与强边缘相连的弱边缘

OpenCV 的 Canny 内部负责后面几步；我们常在调用前自己做轻度高斯滤波。

三、Canny 的函数参数

blurred = cv2.GaussianBlur(gray, (5, 5), 0)
edges = cv2.Canny(blurred, threshold1=50, threshold2=150)

常用参数：

参数	含义
image	通常是 8 位单通道图像
threshold1	低阈值
threshold2	高阈值
apertureSize	Sobel 算子的孔径，默认 3
L2gradient	是否用更精确的 L2 梯度幅值

edges = cv2.Canny(gray, 50, 150, apertureSize=3, L2gradient=True)

两个阈值判断的是梯度强度，不是原图像素“比 150 亮还是暗”。

四、双阈值怎样连接边缘

可以把它想成两道关卡：

• 高于高阈值：强边缘，直接保留；
• 低于低阈值：直接丢弃；
• 位于中间：弱边缘，只有与强边缘连通时才保留。

强边缘 ─ 弱边缘 ─ 弱边缘 → 整段可能保留

孤零零的弱边缘           → 丢弃

这样既减少孤立噪声，又能让真实边界较弱的部分接回强边缘。

五、调参顺序与常见误区

推荐顺序

1. 先把灰度图和轻度滤波做好；
2. 从 (50, 150) 之类的宽松起点观察；
3. 噪声边太多，提高阈值或改善滤波；
4. 真边缘断裂，降低阈值或用小核闭运算连接；
5. 用多种光照样本验证。

高阈值取低阈值的 2～3 倍只是常见起点，不是 Canny 定律。

自动起点：用中位数估计

median = np.median(gray)
sigma = 0.33
low = int(max(0, (1.0 - sigma) * median))
high = int(min(255, (1.0 + sigma) * median))
edges = cv2.Canny(gray, low, high)

这只是起点，梯度分布和场景变化大时仍要验证。

常见误区

现象	可能原因
满屏碎边	噪声、纹理、阈值过低
目标边缘断裂	阈值过高、曝光不均、目标本来就模糊
边缘有两圈	物体有内外亮度过渡或线条本身有宽度
闭运算后全粘住	核过大，不是 Canny 本身的问题

六、参考

• OpenCV：Canny Edge Detection

---

← 上一节：2.7 HSV颜色检测　｜　下一节：3.2 查找与绘制轮廓 →