【opencv實踐】邊緣檢測

 

邊緣檢測：

一、canny算子

Canny邊緣檢測根據對信噪比與定位乘積進行測度，得到最優化逼近算子，也就是Canny算子。類似與 LoG 邊緣檢測方法，也屬於先平滑后求導數的方法。

二、canny算法描述

1.首先進行高斯平滑濾波；

 

2、然后計算像素點的梯度（利用sobel算子）

3、計算幅值和夾角

4、非極大值抑制（NMS）幅值和夾角，如下圖所示，就是比較梯度方向前后像素梯度的大小。

 

上圖中左右圖：g1、g2、g3、g4都代表像素點，很明顯它們是c的八領域中的4個，左圖中c點是我們需要判斷的點，藍色的直線是它的梯度方向，也就是說c如果是局部極大值，它的梯度幅值M需要大於直線與g1g2和g2g3的交點，dtmp1和dtmp2處的梯度幅值。但是dtmp1和dtmp2不是整像素，而是亞像素，也就是坐標是浮點的，那怎么求它們的梯度幅值呢？線性插值，例如dtmp1在g1、g2之間，g1、g2的幅值都知道，我們只要知道dtmp1在g1、g2之間的比例，就能得到它的梯度幅值，而比例是可以靠夾角計算出來的，夾角又是梯度的方向。

    寫個線性插值的公式：設g1的幅值M(g1)，g2的幅值M(g2),則dtmp1可以很得到：

        M(dtmp1)=w*M(g2)+(1-w)*M(g1)  

       其中w=distance(dtmp1,g2)/distance(g1,g2)      

    distance(g1,g2) 表示兩點之間的距離。實際上w是一個比例系數，這個比例系數可以通過梯度方向(幅角的正切和余切)得到。

5、雙閾值選取

• 將低於閾值的所有值賦零，得到圖像的邊緣陣列 

• 閾值τ取得太低->假邊緣
• 閾值τ取得太高->部分輪廊丟失

 Canny算法中減少假邊緣數量的方法是采用雙閾值法。選擇兩個閾值，根據高閾值得到一個邊緣圖像，這樣一個圖像含有很少的假邊緣，但是由於閾值較高，產生的圖像邊緣可能不閉合，為解決這樣一個問題采用了另外一個低閾值。
        在高閾值圖像中把邊緣鏈接成輪廓，當到達輪廓的端點時，該算法會在斷點的8鄰域點中尋找滿足低閾值的點，再根據此點收集新的邊緣，直到整個圖像邊緣閉合。

 三、Canny方法

void Canny(InputArray image,

                OutputArray edges,

                double threshold1,

                double threshold2,

                int apertureSize=3,

                bool L2gradient=false)

參數詳解：

• 第一個參數，InputArray類型的image，輸入圖像，填Mat類對象即可，且需為單通道8位圖像
•  第二個參數，OutputArray類型的edges,輸出邊緣圖，和源圖像有一樣的尺寸和類型
•  第三個參數，double類型的threshold1，第一個滯后性閾值
•  第四個參數，double類型的threshold2，第二個滯后性閾值
•  第五個參數，int類型的apertureSize，表示應用Sobel算子的孔徑大小，默認值3
•  第六個參數，bool類型的L2gradient，一個計算圖像梯度幅值的標識，默認值false

注意：兩個閾值中較小的值用於邊緣連接，較大的值用來控制強邊緣的初始段，推薦高低閾值比為2:1到3:1之間

 四、opencv中的實現

1、圖像灰度化；

2、高斯濾波（blur）

3、計算梯度

4、用雙閾值方法檢測和連接邊緣

 

 

 

 

 

           #include <opencv2/core/core.hpp> 
          
#include <opencv2/imgproc/imgproc.hpp> 
          
#include <opencv2/highgui/highgui.hpp> 
          
#include <math.h> 
          
using namespace cv; 
         

           int main(int argc, char *argv[]) 
          
{ 
          
    Mat img = imread("lena.jpg", CV_LOAD_IMAGE_COLOR); 
          
    if(img.empty()) 
          
       return -1; 
          
    Mat src_gray,src_blur,dst; 
          
    cvtColor(img,src_gray,CV_BGR2GRAY); 
          
    blur(src_gray,src_blur,Size(3,3)); 
          
    Canny(src_blur,dst,30,200); 
          
    namedWindow( "lena", CV_WINDOW_AUTOSIZE ); 
          
    imshow("lena", img); 
          
    imshow("canny",dst); 
          
    waitKey(0); 
          
    return 0; 
          
}