OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)

时间：2023-03-09 09:38:30
OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)
计算机视觉讨论群162501053
转载请注明：http://blog.****.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
OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)

(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
OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)


然后计算每一个点的梯度幅值和方向   
OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)
方向最后选4个 (0, 45, 90 or 135)

(3)非极大值抑制
OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)（图片来自http://blog.****.net/likezhaobin/article/details/6892176）
以下的蓝色字体分析也来自http://blog.****.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
  1. ////////////////////第一种情况///////////////////////
  2. /////////       g1  g2                  /////////////
  3. /////////           C                   /////////////
  4. /////////           g3  g4              /////////////
  5. /////////////////////////////////////////////////////
  6. ////////////////////另外一种情况///////////////////////
  7. /////////       g1                      /////////////
  8. /////////       g2  C   g3              /////////////
  9. /////////               g4              /////////////
  10. /////////////////////////////////////////////////////
  11. ////////////////////第三种情况///////////////////////
  12. /////////           g1  g2              /////////////
  13. /////////           C                   /////////////
  14. /////////       g4  g3                  /////////////
  15. /////////////////////////////////////////////////////
  16. ////////////////////第四种情况///////////////////////
  17. /////////               g1              /////////////
  18. /////////       g4  C   g2              /////////////
  19. /////////       g3                      /////////////
  20. /////////////////////////////////////////////////////

(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OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)，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 OpenCV2马拉松第17圈——边缘检測(Canny边缘检測) norm OpenCV2马拉松第17圈——边缘检測(Canny边缘检測) 去计算图像梯度,默认使用OpenCV2马拉松第17圈——边缘检測(Canny边缘检測) norm OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)


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 <iostream>

using namespace cv;

/// Global variables

Mat 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：

OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYWJjZDE5OTI3MTln/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" width="454" height="528" alt="">



举一反三



C的实现http://blog.****.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];                       //Û∂»∑˘÷µ

		float[][] Theta = new float[height][width];             //Û∂»∑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„Û∂»∑˘÷µ∫ÕÛ∂»µƒ∑ΩœÚ

		for(int i=0; i<width; i++)

		{

			for(int j=0; j<height; j++)

			{

				M[j][i] = (int)(Math.sqrt(P[j][i]*P[j][i] + Q[j][i]*Q[j][i])+0.5);

				//System.out.println(M[j][i]);

				Theta[j][i] = (float) (Math.atan2(Q[j][i], P[j][i]) * 57.3);

				if(Theta[j][i] < 0)

					Theta[j][i] += 360;              //Ω´’‚∏ˆΩ«∂»◊™ªªµΩ0~360∑∂Œß

			}

		}  

		int[][] N = new int[height][width];  			//∑«º´¥Û÷µ“÷÷∆Ω·π˚

		int g1=0, g2=0, g3=0, g4=0;                     //”√”⁄Ω¯––≤Â÷µ£¨µ√µΩ—«œÒÀÿµ„◊¯±Í÷µ

		double dTmp1=0.0, dTmp2=0.0;                    //±£¥Ê¡Ω∏ˆ—«œÒÀÿµ„≤Â÷µµ√µΩµƒª“∂» ˝æ›

		double dWeight=0.0;                             //≤Â÷µµƒ»®÷ÿ  

		//±flΩÁ≥ı ºªØ

		for(int i=0; i<width; i++)

		{

		        N[0][i] = 0;

		        N[height-1][i] = 0;

		}

		for(int j=0; j<height; j++)

		{

		        N[j][0] = 0;

		        N[j][width-1] = 0;

		}  

		//Ω¯––æ÷≤ø◊Ó¥Û÷µ—∞’“

		for(int i=1; i<(width-1); i++)

		{

		    for(int j=1; j<(height-1); j++)

		    {

		        if(M[j][i] == 0)

		            N[j][i] = 0;         //»Áπ˚µ±«∞Û∂»∑˘÷µŒ™0£¨‘Ú≤ª «æ÷≤ø◊Ó¥Û∂‘∏√µ„∏≥Œ™0

		        else

		        {

		        //////// ◊œ»≈–∂œ Ù”⁄ƒ«÷÷«Èøˆ£¨»ª∫Û∏˘æ›«Èøˆ≤Â÷µ///////

		        ////////////////////µ⁄“ª÷÷«Èøˆ///////////////////////

		        /////////       g1  g2                  /////////////

		        /////////           C                   /////////////

		        /////////           g3  g4              /////////////

		        /////////////////////////////////////////////////////

		        if( ((Theta[j][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¥ÛÛ∂» ˝

		int nHighCount;  

		//Õ≥º∆÷±∑ΩÕº

		for(int i=0;i<1024;i++)

	        nHist[i] = 0;

		for(int i=0; i<width; i++)

		{

	        for(int j=0; j<height; j++)

	        {

	              if(N[j][i]==128)

	                   nHist[M[j][i]]++;

	        }

		}  

		//ªÒ»°◊Ó¥ÛÛ∂»∑˘÷µº∞«±‘⁄±fl‘µµ„∏ˆ ˝

		nEdgeNum = nHist[0];

		nMaxMag = 0;                    //ªÒ»°◊Ó¥ÛµƒÃ›∂»÷µ

		for(int i=1; i<1024; i++)           //Õ≥º∆æ≠π˝°∞∑«◊Ó¥Û÷µ“÷÷∆°±∫Û”–∂‡…ŸœÒÀÿ

		{

		    if(nHist[i] != 0)       //Û∂»Œ™0µƒµ„ «≤ªø…ƒ‹Œ™±flΩÁµ„µƒ

		    {

		        nMaxMag = i;

		    }

		    nEdgeNum += nHist[i];   //æ≠π˝non-maximum suppression∫Û”–∂‡…ŸœÒÀÿ

		}  

		//º∆À„¡Ω∏ˆ∑ß÷µ

		float  dRatHigh = 0.79f;

		float  dThrHigh;

		float  dThrLow;

		float  dRatLow = 0.5f;

		nHighCount = (int)(dRatHigh * nEdgeNum + 0.5);

		int k = 1;

		nEdgeNum = nHist[1];

		while((k<(nMaxMag-1)) && (nEdgeNum < nHighCount))

		{

		       k++;

		       nEdgeNum += nHist[k];

		}

		dThrHigh = k;                                   //∏fl„–÷µ

		dThrLow = (int)((dThrHigh) * dRatLow + 0.5);    //µÕ„–÷µ

		System.out.println("high = " + dThrHigh + "low = " + dThrLow);

		//dThrHigh = 10;

		//dThrLow = 5;

		//Ω¯––±fl‘µºÏ≤‚

		int cx = width;

		int cy = height;

		for(int i=0; i<width; i++)

		{

		    for(int j=0; j<height; j++)

		    {

		        if((N[j][i]==128) && (M[j][i] >= dThrHigh))

		        {

		            N[j][i] = 255;

		            TraceEdge(j, i, (int)(dThrLow+0.5), N, M);

		        }

		    }

		}  

		//Ω´ªπ√ª”–…Ë÷√Œ™±flΩÁµƒµ„…Ë÷√Œ™∑«±flΩÁµ„

		for(int i=0; i<width; i++)

		{

		    for(int j=0; j<height; j++)

		    {

		        if(N[j][i] != 255)

		        {

		            N[j][i]  = 0 ;   // …Ë÷√Œ™∑«±flΩÁµ„

		        }

		        N[j][i] = N[j][i] + (N[j][i] << 8) + (N[j][i] << 16);

		    }

		}  

		return N;

	}

	/*

	 * cancy ∏®÷˙∫Ø ˝

	 */

	private void TraceEdge(int y, int x, int nThrLow, int[][] pResult, int[][] pMag)

	{

	    //∂‘8¡⁄”ÚœÒÀÿΩ¯––≤È—Ø

	    int[] xNum = {1,1,0,-1,-1,-1,0,1};

	    int[] yNum = {0,1,1,1,0,-1,-1,-1};

	    int yy,xx,k;

	    for(k=0;k<8;k++)

	    {

	        yy = y+yNum[k];

	        xx = x+xNum[k];

	        if(pResult[yy][xx]==128 && pMag[yy][xx]>=nThrLow )

	        {

	            //∏√µ„…ËŒ™±flΩÁµ„

	            pResult[yy][xx] = 255;

	            //“‘∏√µ„Œ™÷––ƒ‘ŸΩ¯––∏˙◊Ÿ

	            TraceEdge(yy,xx,nThrLow,pResult,pMag);

	        }

	    }

	}

初识API

相关文章