OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)-白红宇

OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)

阅读量：6151 次

发布时间：2019-06-21

本文共 7079 字，大约阅读时间需要 23 分钟。

计算机视觉讨论群162501053

转载请注明：http://blog.csdn.net/abcd1992719g

收入囊中

利用OpenCV Canny函数进行边缘检測

掌握Canny算法基本理论

分享Java的实现

葵花宝典

在此之前，我们先阐述一下canny检測的算法.总共分为4部分.

(1)处理噪声

一般用高斯滤波.OpenCV使用例如以下核

$K = \dfrac{1}{159}\begin{bmatrix} 2 & 4 & 5 & 4 & 2 \\ 4 & 9 & 12 & 9 & 4 \\ 5 & 12 & 15 & 12 & 5 \\ 4 & 9 & 12 & 9 & 4 \\ 2 & 4 & 5 & 4 & 2 \end{bmatrix}$

(2)计算梯度幅值

先用例如以下Sobel算子计算出水平和竖直梯度

$G_{x} = \begin{bmatrix}-1 & 0 & +1 \\-2 & 0 & +2 \\-1 & 0 & +1\end{bmatrix}G_{y} = \begin{bmatrix}-1 & -2 & -1 \\0 & 0 & 0 \\+1 & +2 & +1\end{bmatrix}$

我在具体介绍了Sobel算子

然后计算每一个点的梯度幅值和方向

$\begin{array}{l}G = \sqrt{ G_{x}^{2} + G_{y}^{2} } \\\theta = \arctan(\dfrac{ G_{y} }{ G_{x} })\end{array}$

方向最后选4个 (0, 45, 90 or 135)

(3)非极大值抑制

（图片来自http://blog.csdn.net/likezhaobin/article/details/6892176）

以下的蓝色字体分析也来自http://blog.csdn.net/likezhaobin/article/details/6892176 很感谢

图像梯度幅值矩阵中的元素值越大，说明图像中该点的梯度值越大，但这不不能说明该点就是边缘（这不过属于图像增强的过程）。在Canny算法中，非极大值抑制是进行边缘检測的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点所相应的灰度值置为0，这样能够剔除掉一大部分非边缘的点。

依据上图可知。要进行非极大值抑制，就首先要确定像素点C的灰度值在其8值邻域内是否为最大。图1中蓝色的线条方向为C点的梯度方向。这样就能够确定其局部的最大值肯定分布在这条线上，也即出了C点外，梯度方向的交点dTmp1和dTmp2这两个点的值也可能会是局部最大值。因此。推断C点灰度与这两个点灰度大小就可以推断C点是否为其邻域内的局部最大灰度点。假设经过推断，C点灰度值小于这两个点中的任一个。那就说明C点不是局部极大值。那么则能够排除C点为边缘。把C的灰度值改为0,假设C是极大值。能够设为128。

这就是非极大值抑制的工作原理。

但实际上，我们仅仅能得到C点邻域的8个点的值，而dTmp1和dTmp2并不在当中，要得到这两个值就须要对该两个点两端的已知灰度进行线性插值，也即依据图1中的g1和g2对dTmp1进行插值。依据g3和g4对dTmp2进行插值，这要用到其梯度方向，这是上文Canny算法中要求解梯度方向矩阵theta的原因。

我相信上面的解释很明确了。这也是为什么我们要选0。45，90，135四个方向的原因

第一种情况///

/ g1 g2 /

/ C /

/ g3 g4 /

另外一种情况///

/ g1 /

/ g2 C g3 /

/ g4 /

第三种情况///

/ g1 g2 /

/ C /

/ g4 g3 /

第四种情况///

/ g1 /

/ g4 C g2 /

/ g3 /

(4)双阀值检測

在上个步骤中，产生了梯度幅值， (upper and lower):

假设一个像素点的梯度值大于upper,则是边界

假设一个像素点的梯度值小于lower,则不是边界

假设介于两者之间,仅当这个点和边界点连通才会被觉得是边界点

依据高阈值得到一个边缘图像，这样一个图像含有非常少的假边缘。可是因为阈值较高。产生的图像边缘可能不闭合。为解决这样一个问题採用了另外一个低阈值。在高阈值图像中把边缘链接成轮廓，当到达轮廓的端点时。该算法会在断点的8邻域点中寻找满足低阈值的点。再依据此点收集新的边缘，直到整个图像边缘闭合。

Canny推荐upper:lower 的比例为 2:1 或者 3:1.

小提示：由于，所以最高阀值不是255而是360！还有处于[lower,upper]的点检測是否是边界肯定要放在最后一步。也就是[0,lower),(upper,360]的点都处理完再处理。这样才干判连通!

初识API

C++:

void

Canny

(InputArray

image, OutputArray

edges, double

threshold1, double

threshold2, int

apertureSize=3, bool

L2gradient=false

)

	image – 单通道8比特图像 edges – 输出图像。和src有同样的大小类型 threshold1 – 低阀值 threshold2 – 高阀值 apertureSize – Sobel算子的大小 L2gradient – 一个标识位,一旦设置就启用更准确的 $L_2$ norm $=\sqrt{(dI/dx)^2 + (dI/dy)^2}$ 去计算图像梯度,默认使用 $L_1$ norm $=\|dI/dx\|+\|dI/dy\|$

荷枪实弹

我们就来看看非常easy的例子程序吧

#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.hpp"#include 
       
        using namespace cv;/// Global variablesMat src, src_gray;Mat dst, detected_edges;int lowThreshold;int const max_lowThreshold = 100;int ratio = 3;int kernel_size = 3;const char* window_name = "Edge Map";static void CannyThreshold(int, void*){    blur( src_gray, detected_edges, Size(3,3) );    Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );    dst = Scalar::all(0);    //detected_edges是mask,仅仅有detected_edges被置上（边缘）。才会从原始彩色图像copy到dot中，所以展示的是彩色边缘    src.copyTo( dst, detected_edges);    imshow( window_name, dst );}int main( int, char** argv ){  src = imread( argv[1] );  dst.create( src.size(), src.type() );  cvtColor( src, src_gray, CV_BGR2GRAY );  namedWindow( window_name, CV_WINDOW_AUTOSIZE );  createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );  CannyThreshold(0, 0);  waitKey(0);  return 0;}

效果图：

举一反三

C的实现http://blog.csdn.net/likezhaobin/article/details/6892629

以下是一个Java实现，曾经是在windows上写的。如今在mac里怎么编码有问题了...

public int[][] CannyEdgeDetect(int[][] oldmat)	{				int[][] tempI = gaussFilter(oldmat); 				//Õ¨—˘ø…“‘”√≤ªÕ¨µƒºÏ≤‚∆˜/  		/    P[i,j]=(S[i,j+1]-S[i,j]+S[i+1,j+1]-S[i+1,j])/2     /  		/    Q[i,j]=(S[i,j]-S[i+1,j]+S[i,j+1]-S[i+1,j+1])/2     /  		/  		float[][] P = new float[height][width];                 //xœÚ∆´µº ˝  		float[][] Q = new float[height][width];                 //yœÚ∆´µº ˝  		int[][] M = new int[height][width];                       //Ã›∂»∑˘÷µ  		float[][] Theta = new float[height][width];             //Ã›∂»∑ΩœÚ  		//º∆À„x,y∑ΩœÚµƒ∆´µº ˝  		for(int i=0; i<(width-1); i++)  		{  			for(int j=0; j<(height-1); j++)  			{  				P[j][i] = (float)(tempI[j][Math.min(i+1, width-1)] - tempI[j][i] + tempI[Math.min(j+1, height-1)][Math.min(i+1, width-1)] - tempI[Math.min(j+1, height-1)][i])/2;  				Q[j][i] = (float)(tempI[j][i] - tempI[Math.min(j+1, height-1)][i] + tempI[j][Math.min(i+1, width-1)] - tempI[Math.min(j+1, height-1)][Math.min(i+1, width-1)])/2; 							}  		}  		//º∆À„Ã›∂»∑˘÷µ∫ÕÃ›∂»µƒ∑ΩœÚ  		for(int i=0; i
       
        =90)&&(Theta[j][i]<135)) ||   		                ((Theta[j][i]>=270)&&(Theta[j][i]<315)))  		            {  		                //∏˘æ›–±¬ ∫ÕÀƒ∏ˆ÷–º‰÷µΩ¯––≤Â÷µ«ÛΩ‚  		                g1 = M[j-1][i-1];  		                g2 = M[j-1][i];  		                g3 = M[j+1][i];  		                g4 = M[j+1][i+1];  		                dWeight = Math.abs(P[j][i])/Math.abs(Q[j][i]);   //∑¥’˝«–  		                dTmp1 = g1*dWeight+g2*(1-dWeight);  		                dTmp2 = g4*dWeight+g3*(1-dWeight);  		            }  		        µ⁄∂˛÷÷«Èøˆ///  		        /       g1                      /  		        /       g2  C   g3              /  		        /               g4              /  		        /  		            else if( ((Theta[j][i]>=135)&&(Theta[j][i]<180)) ||   		                ((Theta[j][i]>=315)&&(Theta[j][i]<360)))  		            {  		                g1 = M[j-1][i-1];  		                g2 = M[j][i-1];  		                g3 = M[j][i+1];  		                g4 = M[j+1][i+1];  		                dWeight = Math.abs(Q[j][i])/Math.abs(P[j][i]);   //’˝«–  		                dTmp1 = g2*dWeight+g1*(1-dWeight);  		                dTmp2 = g4*dWeight+g3*(1-dWeight);  		            }  		        µ⁄»˝÷÷«Èøˆ///  		        /           g1  g2              /  		        /           C                   /  		        /       g4  g3                  /  		        /  		            else if( ((Theta[j][i]>=45)&&(Theta[j][i]<90)) ||   		                ((Theta[j][i]>=225)&&(Theta[j][i]<270)))  		            {  		                g1 = M[j-1][i];  		                g2 = M[j-1][i+1];  		                g3 = M[j+1][i];  		                g4 = M[j+1][i-1];  		                dWeight = Math.abs(P[j][i])/Math.abs(Q[j][i]);   //∑¥’˝«–  		                dTmp1 = g2*dWeight+g1*(1-dWeight);  		                dTmp2 = g3*dWeight+g4*(1-dWeight);  		            }  		            µ⁄Àƒ÷÷«Èøˆ///  		            /               g1              /  		            /       g4  C   g2              /  		            /       g3                      /  		            /  		            else if( ((Theta[j][i]>=0)&&(Theta[j][i]<45)) ||   		                ((Theta[j][i]>=180)&&(Theta[j][i]<225)))  		            {  		                g1 = M[j-1][i+1];  		                g2 = M[j][i+1];  		                g3 = M[j+1][i-1];  		                g4 = M[j][i-1];  		                dWeight = Math.abs(Q[j][i])/Math.abs(P[j][i]);   //’˝«–  		                dTmp1 = g1*dWeight+g2*(1-dWeight);  		                dTmp2 = g3*dWeight+g4*(1-dWeight);  		            }  		        }         		        //Ω¯––æ÷≤ø◊Ó¥Û÷µ≈–∂œ£¨≤¢–¥»ÎºÏ≤‚Ω·π˚  		        if((M[j][i]>=dTmp1) && (M[j][i]>=dTmp2))  		            N[j][i] = 128;  		        else  		            N[j][i] = 0;  		        		        //System.out.println(N[j][i]);		        }  		}  						//À´∑ß÷µºÏ≤‚ µœ÷		int []nHist = new int[1024];   		int nEdgeNum;             //ø…ƒ‹±ﬂΩÁ ˝  		int nMaxMag = 0;          //◊Ó¥ÛÃ›∂» ˝  		int nHighCount;  				//Õ≥º∆÷±∑ΩÕº		for(int i=0;i<1024;i++)  	        nHist[i] = 0;  		for(int i=0; i