【笔记】Canny算法

原理

Canny算子用于边缘检测，图像的边缘是图像内容变化很快的高频部分。信号变化的快慢可以用梯度直观地表示，因此检测边缘，就是更好地寻找大梯度位置。

Canny算子

Canny算子是由John F. Canny 于 1986年开发出来的一个多级边缘检测算法，被认为是最好的边缘检测算法，在没有特殊要求的情况下，应为首选算法。
Canny同时提出了评估边缘检测算法的标准：

• 错误更少。检测出尽可能多的边缘，检测出的边缘尽可能都不是误报；
• 响应更少。图中的边缘只响应一次。
• 定位更准。检测出的边缘尽可能靠近图像的真实边缘；

Canny算子设计时同样遵循这3条规则，分为4个步骤：

• 高斯模糊去噪；
• 计算梯度幅值、方向
• 非极大值抑制，去除边缘杂散响应，得到候选边缘
• 迟滞阈值，确定强响应边缘和弱响应边缘，从若相应边缘提取强响应边缘。

模糊去噪

噪声与边缘一样，属于图像中的高频部分，使用高斯模糊、中值模糊等可以有效去除噪声。

计算梯度幅值和方向

这是边缘检测算法的核心与本质。求梯度时，对于连续信号使用求导，对于图像等离散信号使用差分（Sobel算子、Laplace算子等）。此处选用可以生成更粗大明亮边缘的Sobel算子作为示例。

• a.选定Sobel算子；
  $S_x=\left[\begin{array}{ccc}-1& 0& +1\\ -2& 0& +2\\ -1& 0& +1\end{array}\right]，S_y=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ +1& 2& +1\end{array}\right]$
• b.将$S_x，S_y$分别卷积图片$I$，得到图像在$x,y$轴方向的梯度值$G_x,G_y$
  $$G_x=S_x\ast I,G_y=S_y\ast I$$
• c.得到图像的梯度值和方向，并将$\theta$近似到[0,45,90,135]是个方向，这四个方向可以确定8个方向（正方向+负方向）。
  $$G=\sqrt{G_x^2+G_y^2}$$
  $$\theta =arctan(G_y/G_x)$$

NMS

直接得到的边缘过于粗糙，包含较多边缘邻近假响应和杂散响应。NMS排除一些非边缘像素，保留一些细线条（候选边缘）。
Canny中执行NMS时，对于某个像素点位置，找到该点梯度正、负各自方向上最近的一个点，比较这三个点的梯度幅值，如果该点的梯度幅值大于其余两个，则保留该点为候选边缘点，否则抑制-剔除，伪代码如下：

迟滞阈值

• 使用高低两个阈值$t_h,t_l$，如果某点的梯度幅值大于$t_h$,则它是强响应边缘-真实边缘像素，如果小于$t_l$，则它非边缘，如果介于$t_h$与$t_l$之间，则它为弱响应边缘；
• 对于每个弱响应边缘，如果它的8邻域内有一个像素点是强响应边缘，则它是强响应，否则它是非边缘。

参考

• http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/canny_detector/canny_detector.html
• https://www.cnblogs.com/techyan1990/p/7291771.html
• https://www.cnblogs.com/mightycode/p/6394810.html