Python-OpenCV中的图像处理 » Canny边缘检测

2020年04月19日 14点热度 0人点赞 0条评论

目标:

  • Canny边缘检测的概念
  • OpenCV的功能:cv.Canny()

理论

Canny边缘检测是一种流行的边缘检测算法,它是由John F. Canny开发的。

1. 这是一个多阶段算法,我们将了解其中的每个阶段。

2. 降噪

由于边缘检测易受图像中的噪声影响,因此第一步是使用5x5高斯滤波器去除图像中的噪声。我们在之前的章节中已经看到了这一点。

3. 计算图像的强度梯度

然后在水平和垂直方向上用Sobel核对平滑后的图像进行滤波,以获得水平方向Python-OpenCV中的图像处理 »  Canny边缘检测和垂直方向Python-OpenCV中的图像处理 »  Canny边缘检测的一阶导数。从这两个图像中,我们可以找到每个像素的边缘梯度和方向,如下所示:

Python-OpenCV中的图像处理 »  Canny边缘检测

Python-OpenCV中的图像处理 »  Canny边缘检测 

渐变方向始终垂直于边缘。梯度方向被归为四类:垂直,水平,和两个对角线。

4. 非极大值抑制

在获得梯度的大小和方向之后,完成图像的全扫描以去除可能不构成边缘的任何不需要的像素。为此,在每个像素处,检查像素是否是其在梯度方向上的邻域中的局部最大值。检查下图:

Python-OpenCV中的图像处理 »  Canny边缘检测

A点位于边缘(垂直方向)。渐变方向与边缘垂直。B点和C点处于梯度方向。因此,用点B和C检查点A,看它是否形成局部最大值。如果是这样,则考虑下一阶段,否则,它被抑制(置零)。

简而言之,你得到的结果是具有“细边”的二进制图像。

5. 滞后阈值

这个阶段决定哪些边缘都是边缘,哪些边缘不是边缘。为此,我们需要两个阈值,minVal和maxVal。强度梯度大于maxVal的任何边缘肯定是边缘,而minVal以下的边缘肯定是非边缘的,因此被丢弃。位于这两个阈值之间的人是基于其连通性的分类边缘或非边缘。如果它们连接到“可靠边缘”像素,则它们被视为边缘的一部分。否则,他们也被丢弃。见下图:

Python-OpenCV中的图像处理 »  Canny边缘检测

为“确定边缘”。虽然边C低于maxVal,但它连接到边A,因此也被视为有效边,我们得到完整的曲线。但边缘B虽然高于minVal并且与边缘C的区域相同,但它没有连接到任何“可靠边缘”,因此被丢弃。所以我们必须相应地选择minVal和maxVal才能获得正确的结果。 假设边是长线,这个阶段也会消除小像素噪声。 所以我们最终得到的是图像中的强边缘。

OpenCV中的Canny边缘检测

OpenCV将以上所有步骤放在单个函数cv.Canny()中。我们将看到如何使用它。第一个参数是我们的输入图像。第二个和第三个参数分别是我们的minVal和maxVal。第三个参数是aperture_size,它是用于查找图像渐变的Sobel卷积核的大小。默认情况下它是3。最后一个参数是L2gradient,它指定用于查找梯度幅度的等式。如果它是True,它使用上面提到的更准确的等式,否则它使用这个函数:$$ Edge_Gradientleft ( G right )= left | G_{x} right |+left | G_{y} right | $$。默认情况下,它为False。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread('messi5.jpg',0)
edges = cv.Canny(img,100,200)

plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])

plt.show()

窗口将如下图显示: 

 Python-OpenCV中的图像处理 »  Canny边缘检测

未经允许不得转载!Python-OpenCV中的图像处理 » Canny边缘检测

update

纸上得来终觉浅, 绝知此事须躬行。