OpenCV Canny边缘检测(学习笔记)

• OpenCV Canny边缘检测(学习笔记)
  • Canny边缘检测
    • 高斯滤波器
    • 计算梯度大小
    • 非极大值抑制
    • 双阈值处理
  • 代码实践

Canny边缘检测

Canny边缘检测主要是按照如下步骤来进行的边缘检测：
1.使用高斯滤波器，以平滑图像，滤除噪声。（降噪）
2.计算图像中每个像素点的梯度强度和方向。（使用sobel算子）
3.应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。
4.应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
5.通过抑制孤立的弱边缘最终完成边缘检测。

高斯滤波器

边缘检测易受噪声影响，所以使用高斯滤波器平滑图像，降低噪声。

计算梯度大小

使用sobel算子计算图像中每个像素点的梯度大小和方向。

通过的sobel求导得出3*3的卷积核，通过上面两个公式得出对应的梯度。
接着我们通过下面的公式进行计算梯度的大小和方向。

基本的方向就那标志的8种方向。

非极大值抑制

遍历图像中的所有的像素点，判断当前像素点是否是周围像素点中具有相同方向梯度的最大值。
举例：在下图中，第一列方向都是向上，只取最大梯度值7；第二列方向也都是向上，取最大梯度值8;

双阈值处理

指定两个值minVal和maxVal，设定最小的阈值和最大的阈值。
规则如下：
1.梯度值>maxVal:则处理为边界。
2.minVal<梯度值<maxVal:连有边界则保留，否则舍弃
3.梯度值<minVal：则舍弃
举例：

B线条虽然在minVal与maxVal之间，但是没有高于maxVal的线条作为连接，所以直接舍弃。
C线条虽然也在此区间，但是它有A线条的连接所以它可以保留。

代码实践

接下来我们使用canny对lena.jpg图片进行边缘处理，分别展示阈值在80-150和50-100之间的区别。

import cv2 #opencv读取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt#Matplotlib是RGB
%matplotlib inline
# 展示图片
def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()
img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,80,150)
v2=cv2.Canny(img,50,100)
res = np.hstack((v1,v2))
cv_show(res,'res')

我们发现阈值在50-100区间更细。
再对一张car.png的图片做例子：

img=cv2.imread("car.png",cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)
res = np.hstack((v1,v2))
cv_show(res,'res')