update ch19-2

Author: makelove

ch18-图像梯度/19.Sobel.py renamed to ch18-图像梯度/18.Sobel.py

@@ -1,16 +1,41 @@
 # -*- coding: utf-8 -*-
 
+'''
+Canny 边缘检测是一种 常流 的 缘检测算法 是 John F.Canny 在
+1986 年提出的。它是一个有很多步构成的算法
+由于 缘检测很容易受到噪声影响 所以第一步是使用 5x5 的 斯滤波器 去 噪声
+对平滑后的图像使用 Sobel 算子 算水平方向和竖直方向的一 导数 图 像梯度  Gx 和 Gy
+梯度的方向一般总是与边界垂直。
+梯度方向 归为四类： 垂直 水平 和 两个对角线。
+非极大值抑制
+
+滞后阈值
+现在 确定 些 界才是真正的边界。 时我们   置两个阈值  minVal 和 maxVal。
+当图像的灰度梯度 于 maxVal 时  为是真的边界
+那些低于 minVal 的 界会 抛弃。
+如果介于两者之间的  就 看这个点是否与某个被确定为真正的边界点相连
+如果是就认为它也是边界点 如果不是 就抛弃。
+
+OpenCV 中的 Canny 边界检测
+在 OpenCV 中只 需要 一个函数 cv2.Canny() 就可以完成以上几步。
+  我们看如何使用这个函数。
+第一个参数是输入图像。
+第二和第三 个分别是 minVal 和 maxVal。
+第三个参数 置用来计算图像梯度的 Sobel卷积核的大小  默认值为 3。
+最后一个参数是 L2gradient 它可以用来 设定 求梯度大小的方程。
+如果 为 True 就会使用我们上 提到 的方程 否则 使用方程 Edge−Gradient (G) = |G2x| + |G2y| 代替，  默认值为 False。
+'''
 import cv2
 import numpy as np
 from matplotlib import pyplot as plt
 
-img = cv2.imread('../data/messi5.jpg',0)
-edges = cv2.Canny(img,100,200)
+img = cv2.imread('../data/messi5.jpg', 0)
+edges = cv2.Canny(img, 100, 200)
 
-plt.subplot(121),plt.imshow(img,cmap = 'gray')
+plt.subplot(121), plt.imshow(img, cmap='gray')
 plt.title('Original Image'), plt.xticks([]), plt.yticks([])
 
-plt.subplot(122),plt.imshow(edges,cmap = 'gray')
+plt.subplot(122), plt.imshow(edges, cmap='gray')
 plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
 
-plt.show()
+plt.show()