Opencv--Canny边缘检测器

目标

• 使用OpenCV函数cv :: Canny来实现Canny Edge Detector。

理论

该Canny边缘检测是由约翰·F·坎尼在1986年也知道很多的开发最佳的检测，坎尼算法旨在满足三个主要标准：

• 低错误率：意味着只有现有边缘的良好检测。
• 良好的定位：检测到的边缘像素与实际边缘像素之间的距离必须最小化。
• 最小响应：每个边缘只有一个检测器响应。

步骤

• 滤除任何噪音。高斯滤波器用于此目的。可能使用的的高斯内核的示例如下所示：size=5

• 找到图像的强度梯度。为此，我们遵循类似于Sobel的程序：

应用一对卷积面罩 (在 x 和 y directions:

查找梯度强度和方向：

方向四舍五入为四个可能的角度之一（即0,45,90或135）

• 应用非最大抑制。这将删除不被认为是边缘的一部分的像素。因此，只有细线（候选边）将保留。
• 滞后：最后一步。Canny确实使用两个阈值（上限和下限）：

1. 如果像素梯度高于上限阈值，则像素被接受为边缘
2. 如果像素梯度值低于较低阈值，则会被拒绝。
3. 如果像素梯度在两个阈值之间，那么只有当它连接到高于上限阈值的像素时才被接受。

Canny推荐上限：2：1和3：1之间的较低比例。

• 有关更多详细信息，您可以随时咨询您最喜爱的Computer Vision书籍。

Code

• 这个程序是做什么的？

1. 要求用户输入数值以设置我们的Canny Edge Detector的下限（通过Trackbar）。
2. 应用Canny Detector并生成一个蒙版（亮线表示黑色背景上的边缘）。
3. 应用在原始图像上获得的蒙版，并将其显示在窗口中。

• 代码如下：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
Mat src, gray_src, dst;
int t1_value = 50;
int max_value = 255;
const char* OUTPUT_TITLE = "Canny Result";
void Canny_Demo(int, void*);
int main(int argc, char** argv) {
	src = imread("C:/usr/opencv-test/Testpictures/sight.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}

	char INPUT_TITLE[] = "input image";
	namedWindow(INPUT_TITLE, CV_WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_TITLE, CV_WINDOW_AUTOSIZE);
	imshow(INPUT_TITLE, src);

	cvtColor(src, gray_src, CV_BGR2GRAY);
	createTrackbar("Threshold Value:", OUTPUT_TITLE, &t1_value, max_value, Canny_Demo);
	Canny_Demo(0, 0);

	waitKey(0);
	return 0;
}

void Canny_Demo(int, void*) {
	Mat edge_output;
	blur(gray_src, gray_src, Size(3, 3), Point(-1, -1), BORDER_DEFAULT);
	Canny(gray_src, edge_output, t1_value, t1_value * 3, 3, false);//false表用L1，即G(s) = |G(x)|+|G(y)|

	dst.create(src.size(), src.type());
	src.copyTo(dst, edge_output);
	// (edge_output, edge_output);
	imshow(OUTPUT_TITLE, edge_output);
}

说明

请注意以下事项：

1. 我们建立一个较低的上限阈值3：1（与可变比率）的比率。
2. 我们设置内核大小为（Sobel操作由Canny函数内部执行）。3
3. 我们为的下限阈值设置最大值。100

• 加载源图像：

• 创建一个相同类型和大小的src（为dst）的矩阵：

• 将图像转换为灰度级（使用函数cv :: cvtColor）：

  cvtColor（src，src_gray，COLOR_BGR2GRAY）;

• 创建一个窗口来显示结果：

• 创建一个跟踪栏，供用户输入Canny检测器的下限：

createTrackbar("Threshold Value:", OUTPUT_TITLE, &t1_value, max_value, Canny_Demo);

观察以下内容：

1. Trackbar要控制的变量是lowThreshold，最大值为max_lowThreshold（我们先前设置为100）
2. 每次Trackbar注册一个动作时，将调用回调函数CannyThreshold。

• 让我们检查CannyThreshold函数，一步一步：

1. 首先，我们用内核大小为3的过滤器模糊图像：    

1. blur(gray_src, gray_src, Size(3, 3), Point(-1, -1), BORDER_DEFAULT);

2. 然后，我们应用OpenCV函数cv :: Canny：

   Canny(gray_src, edge_output, t1_value, t1_value * 3, 3, false);

其中的解释：

• • detected_edges：源图像，灰度
  • detected_edges：检测器的输出（可以与输入相同）
  • lowThreshold：用户移动轨迹栏输入的值
  • highThreshold：在程序中设置为下限阈值的三倍（在Canny的建议之后）
  • kernel_size：我们将它定义为3（要在内部使用的Sobel内核的大小）

结果

• 在编译上面的代码之后，我们可以运行它作为参数作为图像的路径。例如，使用以下图像作为输入：

 

• 移动滑块，尝试不同的阈值，我们得到以下结果：

 

• 注意图像如何与边缘区域上的黑色背景叠加。