快捷導(dǎo)航

python Canny邊緣檢測(cè)算法的實(shí)現(xiàn)

更新時(shí)間：2020年04月24日 09:01:34 作者：kuweicai

這篇文章主要介紹了python Canny邊緣檢測(cè)算法的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

圖像邊緣信息主要集中在高頻段，通常說(shuō)圖像銳化或檢測(cè)邊緣，實(shí)質(zhì)就是高頻濾波。我們知道微分運(yùn)算是求信號(hào)的變化率，具有加強(qiáng)高頻分量的作用。在空域運(yùn)算中來(lái)說(shuō)，對(duì)圖像的銳化就是計(jì)算微分。對(duì)于數(shù)字圖像的離散信號(hào)，微分運(yùn)算就變成計(jì)算差分或梯度。圖像處理中有多種邊緣檢測(cè)（梯度）算子，常用的包括普通一階差分，Robert算子（交叉差分），Sobel算子等等，是基于尋找梯度強(qiáng)度。拉普拉斯算子（二階差分）是基于過(guò)零點(diǎn)檢測(cè)。通過(guò)計(jì)算梯度，設(shè)置閥值，得到邊緣圖像。

Canny邊緣檢測(cè)算子是一種多級(jí)檢測(cè)算法。1986年由John F. Canny提出，同時(shí)提出了邊緣檢測(cè)的三大準(zhǔn)則：

低錯(cuò)誤率的邊緣檢測(cè)：檢測(cè)算法應(yīng)該精確地找到圖像中的盡可能多的邊緣，盡可能的減少漏檢和誤檢。
最優(yōu)定位：檢測(cè)的邊緣點(diǎn)應(yīng)該精確地定位于邊緣的中心。
圖像中的任意邊緣應(yīng)該只被標(biāo)記一次，同時(shí)圖像噪聲不應(yīng)產(chǎn)生偽邊緣。

Canny算法出現(xiàn)以后一直是作為一種標(biāo)準(zhǔn)的邊緣檢測(cè)算法，此后也出現(xiàn)了各種基于Canny算法的改進(jìn)算法。時(shí)至今日，Canny算法及其各種變種依舊是一種優(yōu)秀的邊緣檢測(cè)算法。而且除非前提條件很適合，你很難找到一種邊緣檢測(cè)算子能顯著地比Canny算子做的更好。

關(guān)于各種差分算子，還有Canny算子的簡(jiǎn)單介紹，這里就不羅嗦了，網(wǎng)上都可以找得到。直接進(jìn)入Canny算法的實(shí)現(xiàn)。Canny算法分為以下幾步。

1. 高斯模糊。

這一步很簡(jiǎn)單，類似于LoG算子（Laplacian of Gaussian）作高斯模糊一樣，主要作用就是去除噪聲。因?yàn)樵肼曇布杏诟哳l信號(hào)，很容易被識(shí)別為偽邊緣。應(yīng)用高斯模糊去除噪聲，降低偽邊緣的識(shí)別。但是由于圖像邊緣信息也是高頻信號(hào)，高斯模糊的半徑選擇很重要，過(guò)大的半徑很容易讓一些弱邊緣檢測(cè)不到。

2. 計(jì)算梯度幅值和方向。

圖像的邊緣可以指向不同方向，因此經(jīng)典Canny算法用了四個(gè)梯度算子來(lái)分別計(jì)算水平，垂直和對(duì)角線方向的梯度。但是通常都不用四個(gè)梯度算子來(lái)分別計(jì)算四個(gè)方向。常用的邊緣差分算子（如Rober，Prewitt，Sobel）計(jì)算水平和垂直方向的差分Gx和Gy。這樣就可以如下計(jì)算梯度模和方向：

梯度角度 θ 范圍從弧度 -π 到 π，然后把它近似到四個(gè)方向，分別代表水平，垂直和兩個(gè)對(duì)角線方向（0°,45°,90°,135°）?？梢砸浴纈π/8（i=1,3,5,7）分割，落在每個(gè)區(qū)域的梯度角給一個(gè)特定值，代表四個(gè)方向之一。

這里我選擇Sobel算子計(jì)算梯度。Sobel算法很簡(jiǎn)單，到處都可以找到，就不列出代碼來(lái)了。相對(duì)于其他邊緣算子，Sobel算子得出來(lái)的邊緣粗大明亮。

下圖是對(duì)上面半徑2的高斯模糊圖像L通道（HSL）應(yīng)用Sobel算子的梯度模圖，沒(méi)有施加任何閥值。

Sobel算子，無(wú)閥值

3. 非最大值抑制。

非最大值抑制是一種邊緣細(xì)化方法。通常得出來(lái)的梯度邊緣不止一個(gè)像素寬，而是多個(gè)像素寬。就像我們所說(shuō)Sobel算子得出來(lái)的邊緣粗大而明亮，從上面Lena圖的Sobel結(jié)果可以看得出來(lái)。因此這樣的梯度圖還是很“模糊”。而準(zhǔn)則3要求，邊緣只有一個(gè)精確的點(diǎn)寬度。非最大值抑制能幫助保留局部最大梯度而抑制所有其他梯度值。這意味著只保留了梯度變化中最銳利的位置。算法如下：

比較當(dāng)前點(diǎn)的梯度強(qiáng)度和正負(fù)梯度方向點(diǎn)的梯度強(qiáng)度。
如果當(dāng)前點(diǎn)的梯度強(qiáng)度和同方向的其他點(diǎn)的梯度強(qiáng)度相比較是最大，保留其值，否則抑制，即設(shè)為0。比如當(dāng)前點(diǎn)的方向指向正上方90°方向，那它需要和垂直方向，它的正上方和正下方的像素比較。

注意，方向的正負(fù)是不起作用的，比如東南方向和西北方向是一樣的，都認(rèn)為是對(duì)角線的一個(gè)方向。前面我們把梯度方向近似到水平，垂直和兩個(gè)對(duì)角線四個(gè)方向，所以每個(gè)像素根據(jù)自身方向在這四個(gè)方向之一進(jìn)行比較，決定是否保留。這一部分的代碼也很簡(jiǎn)單，列出如下。pModule，pDirection分別記錄了上一步梯度模值和梯度方向。

pmoddrow = pModule + Width + 1; 
pdirdrow = pDirection + Width + 1;
pstrongdrow = pStrong + Width + 1;
for (i = 1; i < Hend - 1; i++)
{
　　pstrongd = pstrongdrow;
　　pmodd = pmoddrow;
　　pdird = pdirdrow;
　　for (j = 1; j < Wend - 1; j++)
　　　　{
   　   switch (*pdird)
      {
      case 0:    // x direction
      case 4:
        if (*pmodd > *(pmodd - 1) && *pmodd > *(pmodd + 1))
          *pstrongd = 255;
        break;
      case 1:    // northeast-southwest direction. Notice the data order on y direction of bmp data
      case 5:
        if (*pmodd > *(pmodd + Width + 1) && *pmodd > *(pmodd - Width - 1))
          *pstrongd = 255;
        break;
      case 2:    // y direction
      case 6:
        if (*pmodd > *(pmodd - Width) && *pmodd > *(pmodd + Width))
          *pstrongd = 255;
        break;
      case 3:    // northwest-southeast direction. Notice the data order on y direction of bmp data
      case 7:
        if (*pmodd > *(pmodd + Width - 1) && *pmodd > *(pmodd - Width + 1))
          *pstrongd = 255;
        break;
      default:
        ASSERT(0);
        break;
      }
      pstrongd++;
      pmodd++;
      pdird++;
  }
  pstrongdrow += Width;
  pmoddrow += Width;
  pdirdrow += Width;
}

下圖是非最大值抑制的結(jié)果?？梢?jiàn)邊緣寬度已經(jīng)大大減小。但是這個(gè)圖像中因?yàn)闆](méi)有應(yīng)用任何閥值，還含有大量小梯度模值的點(diǎn)，也就是圖中很暗的地方。下面，閥值要上場(chǎng)了。

非最大值抑制結(jié)果

4. 雙閥值。

一般的邊緣檢測(cè)算法用一個(gè)閥值來(lái)濾除噪聲或顏色變化引起的小的梯度值，而保留大的梯度值。Canny算法應(yīng)用雙閥值，即一個(gè)高閥值和一個(gè)低閥值來(lái)區(qū)分邊緣像素。如果邊緣像素點(diǎn)梯度值大于高閥值，則被認(rèn)為是強(qiáng)邊緣點(diǎn)。如果邊緣梯度值小于高閥值，大于低閥值，則標(biāo)記為弱邊緣點(diǎn)。小于低閥值的點(diǎn)則被抑制掉。這一步算法很簡(jiǎn)單。

5. 滯后邊界跟蹤。

至此，強(qiáng)邊緣點(diǎn)可以認(rèn)為是真的邊緣。弱邊緣點(diǎn)則可能是真的邊緣，也可能是噪聲或顏色變化引起的。為得到精確的結(jié)果，后者引起的弱邊緣點(diǎn)應(yīng)該去掉。通常認(rèn)為真實(shí)邊緣引起的弱邊緣點(diǎn)和強(qiáng)邊緣點(diǎn)是連通的，而由噪聲引起的弱邊緣點(diǎn)則不會(huì)。所謂的滯后邊界跟蹤算法檢查一個(gè)弱邊緣點(diǎn)的8連通領(lǐng)域像素，只要有強(qiáng)邊緣點(diǎn)存在，那么這個(gè)弱邊緣點(diǎn)被認(rèn)為是真的邊緣保留下來(lái)。

這個(gè)算法搜索所有連通的弱邊緣，如果一條連通的弱邊緣的任何一個(gè)點(diǎn)和強(qiáng)邊緣點(diǎn)連通，則保留這條弱邊緣，否則抑制這條弱邊緣。搜索時(shí)可以用廣度優(yōu)先或者深度優(yōu)先算法，我在這里實(shí)現(xiàn)了應(yīng)該是最容易的深度優(yōu)先算法。一次連通一條邊緣的深度優(yōu)先算法如下：

準(zhǔn)備一個(gè)棧s，一個(gè)隊(duì)列q，設(shè)連通指示變量connected為假。從圖像的第一個(gè)點(diǎn)開始，進(jìn)入2。
如果這個(gè)點(diǎn)是弱邊界點(diǎn)并且沒(méi)有被標(biāo)記，把它標(biāo)記，并把它作為第一個(gè)元素放入棧s中，同時(shí)把它放入記錄連通曲線的隊(duì)列q，進(jìn)入3。如果這個(gè)點(diǎn)不是弱邊界或者已經(jīng)被標(biāo)記過(guò)，到圖像的下一個(gè)點(diǎn)，重復(fù)2。
從棧s中取出一個(gè)元素，查找它的8像素領(lǐng)域。如果一個(gè)領(lǐng)域像素是弱邊界并且沒(méi)有被標(biāo)記過(guò)，把這個(gè)領(lǐng)域像素標(biāo)記，并加入棧s中，同時(shí)加入隊(duì)列q。同時(shí)查找領(lǐng)域?qū)?yīng)的強(qiáng)邊界圖，如果有一個(gè)像素是強(qiáng)邊界，表示這條弱邊界曲線和強(qiáng)邊界聯(lián)通，設(shè)置connected為真。重復(fù)3直到棧中沒(méi)有元素了。如果connected為假，則依次從隊(duì)列q中取出每個(gè)元素，清空標(biāo)記。如果connected為真，保留標(biāo)記。
清空隊(duì)列q，設(shè)置connected為假，移動(dòng)到圖像的下一個(gè)點(diǎn)，回到2。

pmoddrow = pModule + Width + 1; 
pdirdrow = pDirection + Width + 1;
pstrongdrow = pStrong + Width + 1;
for (i = 1; i < Hend - 1; i++)
{
　　pstrongd = pstrongdrow;
　　pmodd = pmoddrow;
　　pdird = pdirdrow;
　　for (j = 1; j < Wend - 1; j++)
　　　　{
   　   switch (*pdird)
      {
      case 0:    // x direction
      case 4:
        if (*pmodd > *(pmodd - 1) && *pmodd > *(pmodd + 1))
          *pstrongd = 255;
        break;
      case 1:    // northeast-southwest direction. Notice the data order on y direction of bmp data
      case 5:
        if (*pmodd > *(pmodd + Width + 1) && *pmodd > *(pmodd - Width - 1))
          *pstrongd = 255;
        break;
      case 2:    // y direction
      case 6:
        if (*pmodd > *(pmodd - Width) && *pmodd > *(pmodd + Width))
          *pstrongd = 255;
        break;
      case 3:    // northwest-southeast direction. Notice the data order on y direction of bmp data
      case 7:
        if (*pmodd > *(pmodd + Width - 1) && *pmodd > *(pmodd - Width + 1))
          *pstrongd = 255;
        break;
      default:
        ASSERT(0);
        break;
      }
      pstrongd++;
      pmodd++;
      pdird++;
  }
  pstrongdrow += Width;
  pmoddrow += Width;
  pdirdrow += Width;
}

下面是對(duì)Lena圖計(jì)算Canny邊緣檢測(cè)的梯度模圖和二值化圖，高斯半徑2，高閥值100，低閥值50。