Canny边缘检测原理详解

最新推荐文章于 2024-03-16 10:27:55 发布

六月渔烬

最新推荐文章于 2024-03-16 10:27:55 发布

阅读量259

点赞数

分类专栏： OpenCV学习笔记文章标签： opencv 计算机视觉人工智能

本文链接：https://blog.csdn.net/weixin_45410711/article/details/128880834

版权

OpenCV学习笔记专栏收录该内容

4 篇文章 0 订阅

订阅专栏

Canny边缘检测包括高斯滤波去噪、计算图像梯度、非极大值抑制和双阈值检测四个步骤。首先，使用高斯滤波器平滑图像，然后通过Sobel算子计算梯度大小和方向。接着，在非极大值抑制阶段，依据梯度方向和大小确定潜在边缘点。最后，通过设定两个阈值来确认边缘点，大于大阈值的点直接认为是边缘，介于两个阈值之间的点需依赖于相邻点决定，小于小阈值的点被忽略。

摘要由CSDN通过智能技术生成

Canny边缘检测流程：

（1）高斯滤波平滑去噪：

高斯滤波器：图一对应位置经过公式 $h(x,y)=\frac{1}{2\pi\sigma }e^{-\frac{x^2+y^2}{2\sigma^2}}$ （σ默认为1）处理后得到图二，再经过归一化处理（sum = 图二中九个元素之和，再用 sum 的倒数分别乘上对应位置的元素）后得到图三，图三为我们最终所得的高斯滤波器。

（2）计算图像梯度大小及梯度方向：

这个过程我们需要用到 Sobel 算子，在此简单介绍一下，Sobel 算子就是两个卷积核（见下图），第一个用于检测水平方向的梯度 dx，第二个用于检测竖直方向的梯度 dy。

众所周知，dx 与 dy 均为矢量，所以我们利用矢量加法计算出总梯度： $G=\sqrt{dx^2+dy^2}$ ；又因为 $\tan \theta=\frac{dy}{dx}$ ，所以可知梯度的方向角 $\theta=\arctan\frac{dy}{dx}$ 。

（3）非极大值抑制：

首先让我们看向下图：下图有八个方向轴，我们可以将其看作是一个九宫格（八个端点加中心交点）。我们将图像的一个 3×3 的区域拿出并与之重叠，经过上一步，我们已经得知了每个像素点的梯度大小和梯度方向。此时我们看向中心点像素的梯度方向，对其作近似处理，按就近原则近似为下图中八个角度之一，这样我们就能得到一个长轴，长轴上有三个像素点（两个端点和中心点），我们对此三个像素的梯度大小进行比较，若中心像素梯度值最大，则其暂定为边缘点，反之则不是边缘点。