快捷導(dǎo)航

opencv?canny邊緣檢測(cè)算法詳解

更新時(shí)間：2022年03月16日 09:54:29 作者：liu_jie_bin

本文主要介紹了opencv?canny邊緣檢測(cè)算法詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

一、邊緣檢測(cè)原理

圖像的邊緣由圖像中兩個(gè)相鄰的區(qū)域之間的像素集合組成，是指圖像中一個(gè)區(qū)域的結(jié)束和另外一個(gè)區(qū)域的開(kāi)始。也可以這么理解，圖像邊緣就是圖像中灰度值發(fā)生空間突變的像素的集合。梯度方向和幅度是圖像邊緣的兩個(gè)性質(zhì)，沿著跟邊緣垂直的的方向，像素值的變化幅度比較平緩；而沿著與邊緣平行的方向，則像素值變化幅度變化比較大。于是，根據(jù)該變化特性，通常會(huì)采用計(jì)算一階或者二階導(dǎo)數(shù)的方法來(lái)描述和檢測(cè)圖像邊緣。

基于邊緣檢測(cè)的圖像分割方法的基本思路是首先檢測(cè)出圖像中的邊緣像素，然后再把這些邊緣像素集合連結(jié)在一起便組成所要的目標(biāo)區(qū)域邊界。圖像中的邊緣可以通過(guò)對(duì)灰度值求導(dǎo)來(lái)檢測(cè)確定，然而求導(dǎo)數(shù)可以通過(guò)計(jì)算微分算子來(lái)實(shí)現(xiàn)。在數(shù)字圖像處理領(lǐng)域，微分運(yùn)算通常被差分計(jì)算所近似代替。

二、 canny算法原理

在1986年，Canny邊緣檢測(cè)算子首次在論文《A Computational Approach to Edge Detection》中提出，目前，Canny邊緣檢測(cè)算子已廣泛應(yīng)用于各種圖像處理視覺(jué)系統(tǒng)。由于它是從不同視覺(jué)對(duì)象中提取有用的結(jié)構(gòu)信息，所以了要處理的數(shù)據(jù)量大大減少。JOHN CANNY總結(jié)出，不同視覺(jué)系統(tǒng)對(duì)邊緣檢測(cè)具有較為類(lèi)似的要求，所以，發(fā)現(xiàn)可以采用一種應(yīng)用意義廣泛的邊緣檢測(cè)技術(shù)。
JOHN CANNY采用了如下步驟設(shè)計(jì)實(shí)現(xiàn)了canny算子。

(1)消除噪聲。邊緣檢測(cè)的算法的主要思想采用了圖像強(qiáng)度的一階和二階微分運(yùn)算,但因?yàn)閷?dǎo)數(shù)對(duì)噪聲很敏感,所以再求導(dǎo)之前，先對(duì)圖像源的數(shù)據(jù)進(jìn)行平滑預(yù)處理再運(yùn)用邊緣檢測(cè)算法。一般采用濾波器來(lái)改善圖像的性噪比。所以Canny算子前,先通過(guò)高斯模板對(duì)原始數(shù)據(jù)進(jìn)行卷積操作來(lái)抑制圖像的噪聲，再進(jìn)行邊緣檢測(cè)。

(2)sobel梯度計(jì)算：平滑處理完，canny算子利用已有的一階導(dǎo)數(shù)sobel微分算子來(lái)計(jì)算梯度，

在這里插入圖片描述

Gx表示水平方向X的掩碼模板，Gy表示垂直方向Y的掩碼模板，采用這兩個(gè)模板與圖像進(jìn)行卷積操作可得到圖像邊緣的梯度幅值和方向分別如式（4）和（5）所示：

在這里插入圖片描述

梯度方向被歸為垂直，水平，和兩個(gè)對(duì)角線四類(lèi)，其方向一般總是垂直于邊界。

（3）對(duì)梯度幅值進(jìn)行非極大值抑制。意思是遍歷整個(gè)圖像，將某個(gè)像素的灰度值與其梯度方向上前后兩個(gè)像素的灰度值相比，判斷其是否最大，如果不是那么這個(gè)像素值置為0，即不是邊緣；如下圖5. 1所示，每一列箭頭的方向代表步驟二所檢測(cè)出的（梯度方向與邊緣垂直），數(shù)值表示對(duì)應(yīng)的梯度方向的幅值。經(jīng)過(guò)非極大值抑制處理之后，第一列所表示梯度方向的幅值2、4、3被置為0，第二列的所表示梯度方向的幅值3、5、4被置為0，以此類(lèi)推，最終白色邊框里的幅值5、6、7、6、7被當(dāng)作疑似邊緣像素點(diǎn)。

（4）使用雙閾值算法檢測(cè)和連接邊緣。在上一個(gè)步驟得到了存在偽邊緣的邊緣集，因?yàn)橥ㄟ^(guò)單閾值處理選取邊緣的操作比較難, 所以在Canny算法采用滯后閾值法減少偽邊緣數(shù)量。如下圖5. 1所示：Canny使用了滯后閾值,滯后閾值需要高閾值和低閾值,在進(jìn)行邊緣確定時(shí)依據(jù)下面的步驟第一,如果某一像素位置的幅值超過(guò)高閾值,該像素被保留為邊緣像素:第二,如果某一像素位置的幅值小于低閾值,該像素被排除;第三,如果某一像素位置的幅值在兩個(gè)閾值之間,該像素僅僅在連接到一個(gè)高于高閾值的像素時(shí)被保留。Canny算法的雙閾值中, 大部分噪聲被高閾值檢測(cè)出去除了,但是也損失了有用的邊緣信息, 較多的邊緣信息則被低閾值檢測(cè)得到的圖像保留著,可取的高與低閾值比在2:1到3:1之間。

在這里插入圖片描述

圖5. 1非極大值抑制示意圖圖

在這里插入圖片描述

圖5. 2雙閾值算法檢測(cè)示意圖

三、opencv 函數(shù)支持Canny()

函數(shù)原型：

CV_EXPORTS_W void Canny( InputArray image, OutputArray edges,
                         double threshold1, double threshold2,
                         int apertureSize = 3, bool L2gradient = false );

參數(shù)說(shuō)明：

image：8位輸入圖像。
edges:輸出邊緣;單通道8位圖像，與圖像大小相同。
threshold1:遲滯過(guò)程的第一個(gè)閾值。
threshold2:遲滯過(guò)程的第二個(gè)閾值。
apertureSize : Sobel算子的孔徑大小。
L2gradient:一個(gè)標(biāo)志，指示是否應(yīng)用更精確的方式計(jì)算圖像梯度幅值.。

四、代碼示例：

    cv::Mat src;
    src = cv::imread("D:\\QtProject\\Opencv_Example\\canny\\canny.jpg", cv::IMREAD_GRAYSCALE);
    if (src.empty()) {
        cout << "matTemplate Cannot load image" << endl;
        return;
    }
    cv::imshow("src", src);

    cv::Mat matCanny;
    const int lowThreshold = 10;
    const int maxThreshold = 200;
    const int kernel_size = 3;
    cv::Canny(src, matCanny, lowThreshold, maxThreshold, kernel_size);
    cv::imshow("matCanny", matCanny);

程序運(yùn)行效果：

在這里插入圖片描述