图像的Canny 边缘检测算法

最新推荐文章于 2024-09-02 20:57:15 发布

Leemboy

最新推荐文章于 2024-09-02 20:57:15 发布

阅读量1k

点赞数

本文链接：https://blog.csdn.net/leemboy/article/details/84258914

版权

使用OpenCV函数 Canny 检测边缘

Canny 边缘检测算法是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法，也被很多人认为是边缘检测的最优算法, 最优边缘检测的三个主要评价标准是:

低错误率: 标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报。
高定位性: 标识出的边缘要与图像中的实际边缘尽可能接近。
最小响应: 图像中的边缘只能标识一次。

步骤

1、消除噪声。使用高斯平滑滤波器卷积降噪。下面显示了一个 size = 5 的高斯内核示例:

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

2、计算梯度幅值和方向。此处，按照Sobel滤波器的步骤:

运用一对卷积阵列 (分别作用于和方向):

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

使用下列公式计算梯度幅值和方向:

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

梯度方向近似到四个可能角度之一(一般 0, 45, 90, 135)

3、非极大值 抑制。这一步排除非边缘像素，仅仅保留了一些细线条(候选边缘)。

4、滞后阈值: 最后一步，Canny 使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值):

如果某一像素位置的幅值超过高阈值, 该像素被保留为边缘像素。
如果某一像素位置的幅值小于低阈值, 该像素被排除。
如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于高阈值的像素时被保留。

Canny 推荐的高:低阈值比在 2:1 到3:1之间。

5、想要了解更多细节，你可以参考任何你喜欢的计算机视觉书籍。

代码如下：

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>

using namespace cv;

/// 全局变量

Mat src, src_gray;
Mat dst, detected_edges;

int edgeThresh = 1;
int lowThreshold;
int const max_lowThreshold = 100;
int ratio = 3;
int kernel_size = 3;
char* window_name = "Edge Map";

/**
* @函数 CannyThreshold
* @简介： trackbar 交互回调 - Canny阈值输入比例1:3
*/
void CannyThreshold(int, void*)
{
/// 使用 3x3内核降噪
blur( src_gray, detected_edges, Size(3,3) );

/// 运行Canny算子
Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );

/// 使用 Canny算子输出边缘作为掩码显示原图像
dst = Scalar::all(0);

src.copyTo( dst, detected_edges);
imshow( window_name, dst );
}

/** @函数 main */
int main( int argc, char** argv )
{
/// 装载图像
src = imread( argv[1] );

if( !src.data )
{ return -1; }

/// 创建与src同类型和大小的矩阵(dst)
dst.create( src.size(), src.type() );

/// 原图像转换为灰度图像
cvtColor( src, src_gray, CV_BGR2GRAY );

/// 创建显示窗口
namedWindow( window_name, CV_WINDOW_AUTOSIZE );

/// 创建trackbar
createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );

/// 显示图像
CannyThreshold(0, 0);

/// 等待用户反应
waitKey(0);

return 0;
}