【发布时间】：2020-12-12 00:44:36
【问题描述】：
我知道在使用 Canny 检测边缘之前对图像应用高斯模糊非常重要。我的问题是：cv2.Canny() 自己做高斯模糊还是有必要在cv2.Canny() 之前应用cv2.GaussianBlur()？文档在这一点上并不清楚。
【问题讨论】：
标签： python opencv image-processing edge-detection canny-operator
【发布时间】：2020-12-12 00:44:36
【问题描述】：
回想一下，在 Python 中使用 OpenCV 实际上是 OpenCV 的 C++ 接口的包装器。 Canny 边缘检测算法在 C++ 中的实现文件可以在这里找到：https://github.com/opencv/opencv/blob/master/modules/imgproc/src/canny.cpp
如果您检查此来源，您会发现图像上没有进行任何模糊处理。然而，由于 Yves Daoust 的修正（见下文），Sobel 边缘检测算法被用于寻找梯度。有一个aperture 输入参数指定Sobel 内核的大小。使用默认值意味着您使用的是 3 x 3 内核并且没有应用模糊。但是，任何高于 3 x 3 的东西都将使用高斯核。因此，如果您想使用默认的 Sobel 内核，您需要自己应用模糊。如果您改变 Sobel 内核的大小，您不必自己执行模糊操作。
事实上，在他们演示使用 Canny 的官方 OpenCV 教程中，图像在检测之前被手动模糊：https://docs.opencv.org/3.4/da/d5c/tutorial_canny_detector.html。但是，由于您使用的是 3 x 3 Sobel 内核，因此他们在算法之前使用了 3 x 3 框过滤器。
tl;dr - 如果您决定使用默认孔径/Sobel 内核大小，则需要在使用 Canny 边缘检测算法之前自行模糊图像。如果大于 3，则不必模糊图像。
【讨论】：
-
...这有点可悲，因为 Canny 在他的开创性论文中表明，高斯梯度是计算导数的最佳选择，但大多数实现要么使用高斯模糊和 Sobel 滤波器，要么跳过高斯完全模糊。 OpenCV 总是优先考虑速度而不是精度，甚至是正确性。
-
该教程非常具有误导性。它提倡使用 5x5 高斯内核，尽管代码使用 3x3 框过滤器并使用 3x3 孔径调用 Canny！
-
@YvesDaoust 感谢有关文档的提示 - 如果您在 Canny 中选择 3 x 3 Sobel 内核，它会不进行高斯平滑，所以现在对我来说很有意义关于为什么他们会提前进行预平滑......但是，他们绝对应该使用高斯内核。这些文档需要更新。
-
@rayryeng：高斯模糊和Sobel中的模糊差别很小。
-
@Yves 高斯和 Sobel 中的模糊有很多区别。 Sobel 核在与导数垂直的方向上使用 3-tab 三角形核，并且在导数方向上没有模糊。我不知道是谁提出了更大的 Sobel 内核扩展，或者它们是如何设计的。但是它们不是 Sobel 内核，Sobel 描述了一个 3x3 内核，不要去给这个人分配其他随机的东西！
Canny 的 aperture 参数控制 Sobel 滤波器的大小（从 1 到 7 ？），它实际上在求导之前应用了低通滤波器。不幸的是，尽管引用了高斯滤波器，但文档并未明确说明该低通滤波器。
我敢打赌，实际上使用了二项式滤波器（它非常近似于高斯）。
【讨论】：