0
点赞
收藏
分享

微信扫一扫

【youcans 的 OpenCV 例程200篇】154. 边缘检测之 Canny 算子

zmhc 2022-04-15 阅读 65

【youcans 的 OpenCV 例程200篇】154. 边缘检测之 Canny 算子


2.7 Canny 边缘检测算法

Canny 算法希望在提高边缘的敏感性的同时抑制噪声, 具体而言包括三个基本目标:

  • 错误率低,对边缘的错判率、漏判率低;
  • 定位性能好,检测的边缘点尽可能接近实际边缘的中心;
  • 单一边缘有且应当只有一个准确的响应 ,并尽可能抑制虚假边缘。

Canny 算法的本质是从数学上表达了这三个准则,并试图得到最优解。Canny 算法使用四个指数函数的线性组合形成的最佳边缘算子,可以由高斯函数的一阶导数来近似。

Canny 边缘检测算法是目前最优秀和最流行的边缘检测算法之一。算法不容易受噪声影响,能够识别图像中的弱边缘和强边缘,并能结合强弱边缘的位置关系给出图像整体的边缘信息。但是 Canny 算法编程复杂、运算较慢。

Canny 算法的基本步骤为:

(1)使用高斯滤波对图像进行平滑;

用二维高斯核与灰度图像进行卷积,实现平滑滤波:
G ( x , y ) = e − ( x 2 + y 2 ) / 2 σ 2 f s ( x , y ) = G ( x , y ) ⋆ f ( x , y ) G(x,y) = e^{- {(x^2 + y^2)} / {2 \sigma ^2}} \\ f_s(x,y) = G(x,y) \star f(x,y) G(x,y)=e(x2+y2)/2σ2fs(x,y)=G(x,y)f(x,y)
(2)用一阶有限差分计算梯度幅值和方向;

梯度向量的幅度 M 和角度 α \alpha α 为:
M ( x , y ) = ∣ ∣ ∇ f s ∣ ∣ = g x 2 + g y 2 α ( x , y ) = a r c t a n [ g y / g x ] M(x,y) = ||\nabla f_s|| = \sqrt {g_x^2 + g_y^2} \\ \alpha (x,y) = arctan[g_y / g_x] M(x,y)=fs=gx2+gy2 α(x,y)=arctan[gy/gx]
具体应用中,可以采用 Sobel 算子、Prewitt算子、Roberts算子等进行梯度幅值的计算。

(3)对梯度幅值进行非极大值抑制(NMS);

为了实现单一边缘仅有唯一响应,沿着梯度方向寻找像素点的局部最大值, 将局部最大值之外的所有梯度值抑制为 0,剔除非边缘的像素点。

(4)用双阈值处理和连通性分析来检测和连接边缘。

应用双阈值 TH、TL 划分强边缘和弱边缘。将边缘处的梯度幅值与阈值比较:如果大于 TH则标记为强边缘,如果在 TL 与 TH 之间则标记为弱边缘,如果小于 TL 则被抛弃。

OpenCV 也提供了函数 cv.Canny 实现 Canny 边缘检测算子。

函数说明:

cv.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) → edges

参数说明:

  • image:输入图像,8-bit 灰度图像,不适用彩色图像
  • edges:输出边缘图像,8-bit 单通道图像,大小与输入图像相同
  • threshold1:第一阈值 TL
  • threshold2:第二阈值 TH
  • apertureSize:Sobel 卷积核的孔径,可选项,默认值 3
  • L2gradient: 计算图像梯度幅值 标志符,默认值为 True 表示 L2 法,False 表示 L1 法

注意事项:

  • 阈值 TL 用于边缘连接,阈值 TH 用于控制强边元的初值,推荐选择阈值比为 1:2~1:3。

例程 11.8:Canny 边缘检测算法

    # 11.8 Canny 边缘检测算子
    img = cv2.imread("../images/imgLena.tif", flags=0)  # flags=0 读取为灰度图像

    # 高斯核低通滤波器,sigmaY 缺省时 sigmaY=sigmaX
    kSize = (5, 5)
    imgGauss1 = cv2.GaussianBlur(img, kSize, sigmaX=1.0)  # sigma=1.0
    imgGauss2 = cv2.GaussianBlur(img, kSize, sigmaX=10.0)  # sigma=2.0

    # 高斯差分算子 (Difference of Gaussian)
    imgDoG = imgGauss2 - imgGauss1  # sigma=1.0, 10.0

    # Canny 边缘检测, kSize 为高斯核大小,t1,t2为阈值大小
    t1, t2 = 50, 150
    imgCanny = cv2.Canny(imgGauss1, t1, t2)

    plt.figure(figsize=(10, 6))
    plt.subplot(131), plt.title("Origin"), plt.imshow(img, cmap='gray'), plt.axis('off')
    plt.subplot(132), plt.title("DoG"), plt.imshow(imgDoG, cmap='gray'), plt.axis('off')
    plt.subplot(133), plt.title("Canny"), plt.imshow(imgCanny, cmap='gray'), plt.axis('off')
    plt.tight_layout()
    plt.show()

在这里插入图片描述


(本节完)


版权声明:

youcans@xupt 原创作品,转载必须标注原文链接:(https://blog.csdn.net/youcans/article/details/124092258)

Copyright 2022 youcans, XUPT
Crated:2022-4-10


举报

相关推荐

opencv之Canny边缘检测

0 条评论