OPenCV学习教程之Canny 边缘检测

目标

本文档尝试解答如下问题:

使用OpenCV函数 Canny 检测边缘.

原理

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

• 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:

• 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 x 和 y 方向):

使用下列公式计算梯度幅值和方向:

梯度方向近似到四个可能角度之一(一般 0, 45, 90, 135)

• 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)。

• 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。

• 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。

源码

• 本程序做什么?

   		要求使用者输入一个数字，设置 Canny Edge Detector 的低阈值 (通过trackbar)
   		使用 Canny 边缘检测 产生一个 mask (白线代表边缘，黑色代表背景)。
   		使用 mask 作为掩码显示原图像。
  

• 本教程的源码如下

   #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;
     }
  

解释

• 创建程序中要用到的变量:

     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";
  

注意:

 a. 我们首先设定高:低阈值比为 3:1 (通过变量 *ratio* )
 b. 设定内核尺寸为 :math:`3`    (Canny函数内部调用Sobel操作) 
 c. 将低阈值的上限设定为 :math:`100`.

• 装载原图像:

   /// 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() );
  

• 将输入图像转换到灰度空间 (使用函数 cvtColor):

   cvtColor( src, src_gray, CV_BGR2GRAY );
  

• 创建显示窗口

   namedWindow( window_name, CV_WINDOW_AUTOSIZE );
  

• 创建trackbar，来获取用户交互输入的低阈值:

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

注意:

• 通过trackbar控制的变量为 lowThreshold ，上限为 max_lowThreshold (我们已经设定为100)

• 每次用户通过trackbar产生变动,回调函数 CannyThreshold 被调用.

• 让我们一步一步的来观察 CannyThreshold 函数:

首先, 使用 3x3的内核平滑图像:

	blur( src_gray, detected_edges, Size(3,3) );

其次,运用 Canny 寻找边缘:

	Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );

输入参数:

	detected_edges: 原灰度图像
	detected_edges: 输出图像 (支持原地计算，可为输入图像)
	lowThreshold: 用户通过 trackbar设定的值。
	highThreshold: 设定为低阈值的3倍 (根据Canny算法的推荐)
	kernel_size: 设定为 3 (Sobel内核大小，内部使用)

填充 dst 图像，填充值为0 (图像全黑).

	dst = Scalar::all(0);

• 最后, 使用函数 copyTo 标识被检测到的边缘部分 (背景为黑色).

   src.copyTo( dst, detected_edges);
  

copyTo 将 src 图像拷贝到 dst . 但是，仅仅拷贝掩码不为0的像素。既然Canny边缘检测的输出是镶嵌在黑色背景中的边缘像素，因此其结果 dst 图像除了被检测的边缘像素，其余部分都为黑色。

• 显示结果:

   imshow( window_name, dst );
  

结果

在编译上面的代码之后, 我们可以运行结果，将图片路径输入，如下图:

滑动标尺, 尝试不同的阈值，我们得到如下结果: