Canny边缘检测:
1)使用高斯滤波,以平滑图像,滤除噪声
2)计算图像中每个像素的梯度和方向
3)应用非极大值(Non-Maximum Suppression)抑制,去除较小的梯度,保留较大的梯度,以消除边缘检测带来的杂散响应
4)应用双边阈值(Double-Threshold)检测来确定真实的和潜在的边缘
5)通过抑制孤立的弱边缘最终完成边缘检测
1、高斯滤波
H为像素矩阵元素的权重,A为像素矩阵元素的值
2、梯度和方向
θ为方向
G为梯度
Sx为从左向右的方向,Sy为从下到上
3、非极大值抑制
方法①:线性插值法
假设整个正方形框为一个3*3的像素矩阵,只有断点部分的为实际像素点,即9个像素点
w为权重:如g1到dtmp1的长度为d1,g1到g2总长度为d,则g1的权重为:d1/d
图中蓝色线为梯度方向线,梯度方向线与边界是垂直的
根据图中的公式求出M(dtmp1)与M(dtmp2)
只有当C同时大于M(dtmp1)与M(dtmp2)时,C才会作为边界点被保留
方法②:离哪个方向近取哪个方向
4、双边阈值
注意:介于最大阈值与最小阈值之间的边界,需满足相连才会被保留
代码:
src=cv.imread("E:\OpenCVTests\Samples/1\car.png")
v1=cv.Canny(src,120,250)#阈值差异的大小,决定边缘细节的保留度,
v2=cv.Canny(src,50,100)#minvaul越小,边界越丰富
cv.imshow("Bigger threshold",v1)
cv.imshow("Smaller threshold",v2)
结果:
较大阈值,保留边界细节少
较小阈值,保留边界细节丰富