Canny 边缘检测及相关应用

该内容为

• 《学习图像局部特征检测和描述-基于OpenCV源码分析的算法与实现》
• 《OpenCV 3 计算机视觉-Python语言实现》
• OpenCV官方网站的 https://docs.opencv.org/master/da/d22/tutorial_py_canny.html

的学习内容

1 Canny 边缘检测理论分析

Canny 边缘检测方法是由 Canny 于1996 年提出的一种公认为效果较好的边缘检测方法。

一个好的边缘检测方法应该满足三项指标

• 1、低失误率，即不能漏检也不能错检
• 2、高的位置精度，标定的边缘像素点与真正的边缘中心之间距离应该最小
• 3、每个边缘应该由唯一的响应，即得到单像素宽度的边缘。

基于此，Canny提出了判定边缘检测算子的3个准则：

• 1 - 信噪比准则
• 2 - 定位精度准则
• 3 - 单边缘响应准则

Canny 算子实现过程共有4(5)个步骤：

• 1 - 平滑处理，使用高斯滤波器对图像进行去噪处理
• 2 - 寻找图像的强度梯度 / 计算梯度 / 梯度检测
• 3 - 非极大值抑制，即在图像边缘上使用非最大抑制NMS
• 4 - 滞后阈值处理，即在检测到的边缘上使用双阈值去除假阳性（false positive）
• 5 - 最后分析所有边缘及其之间的连接，以确保保留真正的边缘，同时消除不明显的边缘

1.1 Canny算子实现过程详细讲解

1.1.1 平滑处理

所有的边缘都极易受到噪声的干扰，为防止检测结果的偏差较大，有必要使用平滑滤波的方法滤除噪声。高斯滤波方法是常用的滤波方法，二维图像应用二维高斯函数，它的定义为

式中 σ 表示 高斯函数的标准差。只要把输入图像与二维高斯函数进行卷积，即可得到平滑后的图像。