【youcans 的 OpenCV 例程200篇】155. 边缘连接的局部处理方法
2.8 局部处理连接边缘
在实际应用中,由于噪声、光照等原因引起的边缘断裂,使边缘检测的结果并不是完全的、完整的边缘,通常要通过边缘连接算法,将边缘像素组合为有意义的边缘或区域边界。
边缘连接方可以分为局部处理方法和全局处理方法。边缘连接的局部处理方法,是分析每个边缘像素点的邻域,根据预定义的准则将所有相似的点连接起来,形成同类像素的边缘。
在局部分析中,主要基于梯度向量的幅值和方向进行边缘像素的相似性判断。边缘像素
∣
M
(
s
,
t
)
−
M
(
x
,
y
)
∣
≤
E
∣
α
(
s
,
t
)
−
α
(
x
,
y
)
∣
≤
A
|M(s,t) - M(x,y)| \le E \\ |\alpha(s,t) - \alpha(x,y)| \le A
∣M(s,t)−M(x,y)∣≤E∣α(s,t)−α(x,y)∣≤A
式中,E 是梯度向量的幅度阈值,A 是角度阈值。对图像的每个像素进行检测,如果既符合幅度条件又符合方向条件,则将坐标为 (s,t) 的像素连接到像素 (x,y)。
上述方法需要检测所有像素点的邻域,计算量很大。一种简化的边缘连接局部处理方法是:
(1)计算输入图像 f(x,y) 的梯度向量的幅值 M ( x , y ) M(x,y) M(x,y) 和方向 α ( x , y ) \alpha (x,y) α(x,y);
(2)二值化处理:
g
(
x
,
y
)
=
{
1
,
M
(
x
,
y
)
>
T
M
,
且
α
(
x
,
y
)
=
A
±
T
A
0
,
e
l
s
e
g(x,y) = \begin{cases} 1, \quad M(x,y) > T_M, 且 \alpha(x,y)=A \pm T_A \\ 0, \quad else \end{cases}
g(x,y)={1,M(x,y)>TM,且α(x,y)=A±TA0,else
式中
T
M
T_M
TM 是阈值,A 是规定的角度方向,
±
T
A
\pm T_A
±TA 定义方向的角度范围。
(3)对二值图像 g,逐行扫描并填充水平间隙。
(4)对二值图像 g,逐列扫描并填充垂直间隙。编程时可以将 g 转置后,再做一次逐行扫描水平填充来实现。
在必要时,还可以对二者图像 g 进一步在其它任何方向上扫描并填充间隙。
例程 11.9:边缘连接的局部处理方法
# 11.9 边缘连接的局部处理方法
img = cv2.imread("../images/imgLena.tif", flags=0) # flags=0 读取为灰度图像
# img16 = np.array(img, dtype='uint16')
hImg, wImg = img.shape#[0], img.shape[1]
# Sobel 梯度算子
kSobelX = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]])
kSobelY = np.array([[1, 2, 1], [0, 0, 0], [-1, -2, -1]])
gx = cv2.filter2D(img, cv2.CV_64F, kSobelX) # SobelX 水平梯度
gy = cv2.filter2D(img, cv2.CV_64F, kSobelY) # SobelY 垂直梯度
# 计算梯度向量的幅值 mag 与角度 angle
# magn = np.sqrt(np.power(gx,2) + np.power(gy,2)) # 梯度向量的幅值
magn = cv2.normalize(abs(gx)+abs(gy), None, 0, 255, cv2.NORM_MINMAX) # 用绝对值近似梯度幅值
gxFlat, gyFlat = gx.flatten(), gy.flatten() # 展平为一维,便于计算角度
angleFlat = np.arctan2(gy, gx) * 180 / np.pi # 梯度向量的角度,将弧度转为角度: (-180, 180)
angle = angleFlat.reshape(hImg, wImg)
# 边缘像素相似性判断
edge = np.zeros((hImg,wImg), np.uint8)
for h in range(1, hImg-1): # 对边界点不判断
for w in range(1, wImg-1):
if (abs(magn[h,w]-magn[h-1,w-1])<=30) and (abs(angle[h,w]-angle[h-1,w-1])<=15)\
or (abs(magn[h,w]-magn[h-1,w+1])<=30) and (abs(angle[h,w]-angle[h-1,w+1])<=15)\
or (abs(magn[h,w]-magn[h+1,w-1])<=30) and (abs(angle[h,w]-angle[h+1,w-1])<=15)\
or (abs(magn[h,w]-magn[h+1,w+1])<=30) and (abs(angle[h,w]-angle[h+1,w+1])<=15):
edge[h,w] = magn[h,w]
plt.figure(figsize=(10, 5))
plt.subplot(131), plt.title("Origin"), plt.imshow(img, cmap='gray'), plt.axis('off')
plt.subplot(132), plt.title("Magnitude"), plt.imshow(np.uint8(magn), cmap='gray'), plt.axis('off')
# plt.subplot(133), plt.title("angle"), plt.imshow(np.uint8(angle), cmap='gray'), plt.axis('off')
plt.subplot(133), plt.title("Edge connect"), plt.imshow(np.uint8(edge), cmap='gray'), plt.axis('off')
plt.tight_layout()
plt.show()
(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/124158303)
Copyright 2022 youcans, XUPT
Crated:2022-4-10