边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括(i)深度上的不连续、(ii)表面方向不连续、(iii)物质属性变化和(iv)场景照明变化。 边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。
根据边缘形成的不同原因,对图像的各像素点进行求微分或者二阶微分可以检测出变化明显的点。边缘检测大大减少了源图像的数据量,剔除了与目标不相干的信息,保留了图像重要的结构属性。边缘检测算子利用图像边缘的突变性质来检测边缘的。可分为以下三种情况:
1.一阶微分为基础的边缘检测,如Sobel算子,Prewitt算子,Roberts算子以及差分边缘检测
2.二阶微分为基础的边缘检测,如Canny算子,laplacian算子
3.混合一阶和二阶的边缘检测,综合利用一阶与二阶微分
首先了解一下什么是非极大值抑制:
非极大值抑制是为了去除伪边缘信息,其原理是通过像素邻域的局部最优值,将非极大值点对于的灰度值作为背景像素点,对其余非极大值的相关信息进行抑制。
了解完什么是非极大值抑制之后,我们看一下sobel算子,sobel算子是广泛应用的微分算子之一,可以计算图像处理中的边缘检测,计算图像的灰度地图。原理就是基于图像的卷积来实现在水平方向与垂直方向检测对于方向上的边缘。对于源图像与奇数Sobel水平核Gx,竖直核Gy进行卷积可计算水平核竖直变换,当内核大小为3x3时:
![1c8cd8a03ce432ef9254200ed364b35b.png](https://i-blog.csdnimg.cn/blog_migrate/18538b0601791f5fe6a433d8b6ace182.png)
对图像中每一点结合卷积后的结果求出近似梯度幅度G:
![19a1da07e6b89a6b96d233573cb644af.png](https://i-blog.csdnimg.cn/blog_migrate/54cdbc3210adf756da5ee6e6220b0a83.png)
当对精度的要求较高时可以使用Scharr滤波器,Scharr滤波器的水平方向与竖直方向的核为:
![078c1169d289b9d348d9d919118b82d8.png](https://i-blog.csdnimg.cn/blog_migrate/4b9995fe133d84f7a2327b57f196ad43.png)
使用OpenCV中的库函数Sobel函数实现边缘检测,OpenCV中的Soble函数原型如下:
void
参数说明:
src : 输入图像
dst : 和输入图像有相同大小和通道的目标图像
ddepth : 输出图像的深度
dx : x方向的微分阶数
dy : y方向的微分阶数
ksize : sobel算子卷积核的大小,可以为1,3,5,7
scale: 可选参数,缩放导数的放缩因子
delta: 可选的增量常数
borderType : 用于推断图像外部像素的边界模式,一般是DORDER_DEFAULT,不支持BORDER_WRAP.
代码示例如下:
#include
结果展示如下:
![aff4eb31ec9d46834a58e04b6f15eeba.png](https://i-blog.csdnimg.cn/blog_migrate/c44a8d9585941ffbe1dbf25e41a63d76.png)
![2dfa4736206086b168088cb2b7dd2555.png](https://i-blog.csdnimg.cn/blog_migrate/f549eea0e4d16a59b7f86fa547aaa4af.png)
![e17d264329e7e6277c2bf0b12841b420.png](https://i-blog.csdnimg.cn/blog_migrate/6083f2c7076f2bcd7a13ffe0634dfd46.jpeg)