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 = [ − 1 0 + 1 − 2 0 + 2 − 1 0 + 1 ] , S y = [ − 1 − 2 − 1 0 0 0 + 1 2 + 1 ] S_x=\left[ \begin{matrix} -1 & 0 & +1 \\ -2 & 0 & +2 \\ -1 & 0 & +1 \end{matrix} \right],S_y=\left[ \begin{matrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ +1 & 2 & +1 \end{matrix} \right] Sx=⎣ ⎡−1−2−1000+1+2+1⎦ ⎤,Sy=⎣ ⎡−10+1−202−10+1⎦ ⎤ - b.将
S
x
,
S
y
S_x,S_y
Sx,Sy分别卷积图片
I
I
I,得到图像在
x
,
y
x,y
x,y轴方向的梯度值
G
x
,
G
y
G_x,G_y
Gx,Gy
G x = S x ∗ I , G y = S y ∗ I G_x=S_x*I,G_y=S_y*I Gx=Sx∗I,Gy=Sy∗I - c.得到图像的梯度值和方向,并将
θ
\theta
θ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 = G x 2 + G y 2 G=\sqrt{G_x^2+G_y^2} G=Gx2+Gy2
θ = a r c t a n ( G y / G x ) \theta=arctan(G_y/G_x) θ=arctan(Gy/Gx)
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 t_h,t_l th,tl,如果某点的梯度幅值大于 t h t_h th,则它是强响应边缘-真实边缘像素,如果小于 t l t_l tl,则它非边缘,如果介于 t h t_h th与 t l t_l tl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