2、Canny边缘检测：Canny算法步骤详解、高低阈值选择策略、实战：文档扫描预处理

好，咱们接着聊边缘检测。上一章讲了Sobel，它简单直接，但说实话，在真实项目中，Sobel出来的结果往往比较“脏”。噪点多，边缘也断断续续的。这时候，Canny就该登场了。

Canny边缘检测，可以说是工业界和学术界公认的“黄金标准”。它为什么这么牛？因为它不是单一算子，而是一套完整的处理流程。我当年第一次用Canny时，觉得它像个黑盒子，调几个参数就出结果。后来踩了不少坑，才明白它每一步的设计都很有讲究。

2.1 Canny算法步骤详解

Canny算法一共五步，咱们一步步拆开看。你想想看，它其实是在回答一个问题：“怎么才能找到既准确又连续的边缘？”

  1. 高斯滤波去噪：第一步，先模糊一下。为什么？因为边缘检测对噪声极其敏感。图像上一个小噪点，在梯度计算时可能被误判为边缘。高斯滤波就是给图像做个“磨皮”，把高频噪声压下去。我习惯用5x5的高斯核，效果比较均衡。
  2. 计算梯度幅值和方向：这一步和Sobel类似，用一阶导数算子（比如Sobel算子）算出每个像素在x和y方向的梯度，然后合成幅值和方向。幅值大的地方，大概率是边缘。
  3. 非极大值抑制（NMS）：这一步是精髓。说白了，就是“瘦身”。梯度幅值大的区域往往是一大片，但真正的边缘应该只有一条细线。NMS会检查每个像素，看它是不是沿着梯度方向上的局部最大值。如果不是，就把它抑制掉（置为0）。嗯，这里要注意，方向要量化到四个方向（0°、45°、90°、135°），不然计算量太大。
  4. 双阈值检测：经过NMS后，我们得到了一些候选边缘点。但哪些是真正的强边缘，哪些是弱响应？双阈值就是干这个的。设定一个高阈值（T_high）和一个低阈值（T_low）。梯度幅值 > T_high的，标记为强边缘；介于T_low和T_high之间的，标记为弱边缘；低于T_low的，直接丢弃。
  5. 滞后边界跟踪：最后一步，处理那些弱边缘。规则很简单：如果弱边缘像素与某个强边缘像素相连，就把它保留为边缘；否则，丢弃。这招很聪明，能有效连接断裂的边缘，同时抑制孤立的噪声点。

核心思想总结：Canny通过“去噪 → 找梯度 → 瘦身 → 双阈值筛选 → 连接”这五步，实现了对边缘的精准定位和连续提取。每一步都不可或缺。

2.2 高低阈值选择策略

好，五步里最让人头疼的就是第四步——双阈值怎么设？我见过很多新手，上来就随便填两个数，结果要么边缘太多（全是噪点），要么边缘太少（关键信息丢失）。

我个人习惯用中位数法来估算。先计算整张图像的梯度幅值，然后取中位数作为参考。一般来说：

  • 高阈值（T_high）：设为中位数的1.5到3倍。这个值决定了哪些是“确信无疑”的边缘。
  • 低阈值（T_low）：设为高阈值的0.4到0.6倍。这个值决定了哪些是“可能”的边缘，用于连接。

举个例子，如果梯度幅值的中位数是50，那T_high可以取100~150，T_low取40~60。当然，这不是绝对的。我在项目中遇到过一张低对比度的文档扫描图，中位数只有20，这时候T_high取30，T_low取12，效果反而更好。

避坑指南：我曾经在一个OCR项目中，因为阈值设得太高，导致文档边缘断裂，文字轮廓不完整，识别率直接掉了20%。后来我把T_low调低了一点，边缘就连上了。记住：宁可多保留一些弱边缘，也不要让关键边缘断裂。因为后续的轮廓分析可以再过滤，但断裂了就很难补了。

还有一个实用技巧：如果你不确定阈值，可以用OpenCV的cv2.Canny()配合滑动条来调试。我经常写个简单的脚本，实时调整T_low和T_high，观察效果。这样比凭空猜测要靠谱得多。

2.3 实战：文档扫描预处理

理论说完了，咱们来点实际的。文档扫描预处理，是Canny最经典的应用之一。说白了，就是要把一张歪歪扭扭、背景杂乱的文档照片，变成干净、端正的二值图像，方便后续OCR或者轮廓提取。

流程大概是这样的：

  1. 读取图像并转灰度：彩色图信息太多，先转成灰度，减少计算量。
  2. 高斯滤波去噪：用5x5的高斯核，把扫描时的噪点去掉。
  3. Canny边缘检测：用我们刚才讲的双阈值策略，提取文档的边缘轮廓。
  4. 轮廓查找与筛选：用cv2.findContours()找到所有轮廓，然后根据面积、长宽比等条件，筛选出最大的那个矩形轮廓——那就是文档本身。
  5. 透视变换矫正：拿到文档的四个角点后，用透视变换把它拉正。

下面是一段核心代码示例，我加了详细的注释：

import cv2
import numpy as np

# 1. 读取图像
img = cv2.imread('document.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 2. 高斯滤波
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

# 3. Canny边缘检测
# 这里我用了中位数法估算阈值
median = np.median(blurred)
low_thresh = int(max(0, 0.4 * median))
high_thresh = int(min(255, 1.5 * median))
edges = cv2.Canny(blurred, low_thresh, high_thresh)

# 4. 轮廓查找
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 5. 筛选最大矩形轮廓
doc_contour = None
max_area = 0
for cnt in contours:
    area = cv2.contourArea(cnt)
    if area > max_area:
        # 近似多边形，看是不是四边形
        peri = cv2.arcLength(cnt, True)
        approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)
        if len(approx) == 4:
            doc_contour = approx
            max_area = area

# 6. 如果找到了文档轮廓，就进行透视变换
if doc_contour is not None:
    # 这里省略了透视变换的具体实现，后续章节会详细讲
    print("文档轮廓已找到，准备矫正...")
else:
    print("未找到文档轮廓，请调整Canny阈值或检查图像质量。")

注意：在实际项目中，文档背景可能很复杂，比如有阴影、褶皱或者文字干扰。这时候，单纯靠Canny可能不够。我一般会先做一次自适应阈值或者形态学操作（比如闭运算），把文档区域和背景分离得更干净，然后再用Canny。记住：预处理做得好，Canny事半功倍。

最后，我想说一句：Canny虽然强大，但它不是万能的。对于纹理特别复杂的图像（比如钞票、指纹），它的效果可能不如一些基于深度学习的边缘检测方法。但在绝大多数传统视觉任务中，Canny依然是首选。你想想看，一个1986年提出的算法，到现在还在广泛使用，这本身就说明了它的价值。

好，这一章就到这里。下一章咱们聊聊轮廓分析，看看怎么从边缘中提取出有用的信息。

← 上一章 📖 返回目录 下一章 →