步骤

1.降噪

应用高斯滤波器，以平滑图像，滤除噪声。

边缘检测易受噪声影响，所以使用高斯滤波器平滑图像，降低噪声。

2.梯度

计算图像中每个像素点的梯度大小和方向。

计算大小

Sobel算子是一种常用的边缘检测滤波器，用于计算图像中水平和垂直方向上的梯度变化

就是点乘计算

计算方向

3.非极大值抑制

使用非极大值抑制，消除边缘检测带来的不利影响

4.双阈值检测

应用双阈值检测确定真实和潜在的边缘【双阈值检测

阈值 (minVal 和 maxVal) 是基于梯度大小（即边缘强度）来定义的

• maxVal（高阈值）：
  • 梯度值大于 maxVal 的像素点被直接认为是真正的边缘。
• minVal（低阈值）：
  • 梯度值小于 minVal 的像素点被忽略，认为不是边缘。
• 梯度值介于 minVal 和 maxVal 之间：
  • 如果这些像素点与高于 maxVal 的边缘像素相连，则保留为边缘。
  • 如果没有相连，则丢弃。

实现

它有现成库可以调用啊

import cv2
import matplotlib.pyplot as plt
import numpy as np

# 读取图像
image_path = r"D:\python\NAFNet-main\demo\tooth.png"  # 替换为你的图片路径
image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)

# 高斯模糊去噪
blurred = cv2.GaussianBlur(image, (5, 5), 0)

# Canny 边缘检测
edges = cv2.Canny(blurred, threshold1=5, threshold2=200)#这边就是最大最小边缘


# 显示原图和边缘检测结果
plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
plt.title("Original Image")
plt.imshow(image, cmap="gray")
plt.axis("off")

plt.subplot(1, 2, 2)
plt.title("Canny Edge Detection")
plt.imshow(edges, cmap="gray")
plt.axis("off")

plt.tight_layout()
plt.show()

最后结果