opencv学习笔记--Canny边缘检测

声明：虽然肯定没人看，但是我要说明，里面的内容都是我从官方文档上抄的，仅作为个人复习之用，并非原创。

原理：

Canny 边缘检测算法 是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法，也被很多人认为是边缘检测的 最优算法, 最优边缘检测的三个主要评价标准是:

低错误率: 标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报。

高定位性: 标识出的边缘要与图像中的实际边缘尽可能接近。

最小响应: 图像中的边缘只能标识一次。
步骤¶

消除噪声。使用高斯平滑滤波器卷积降噪。下面显示了一个 $size = 5$ 的高斯内核示例:

$K = \dfrac{1}{159}\begin{bmatrix} 2 & 4 & 5 & 4 & 2 \\ 4 & 9 & 12 & 9 & 4 \\ 5 & 12 & 15 & 12 & 5 \\ 4 & 9 & 12 & 9 & 4 \\ 2 & 4 & 5 & 4 & 2 \end{bmatrix}$

计算梯度幅值和方向。此处，按照Sobel滤波器的步骤:

运用一对卷积阵列 (分别作用于 $x$ 和 $y$ 方向):

$G_{x} = \begin{bmatrix}-1 & 0 & +1 \\-2 & 0 & +2 \\-1 & 0 & +1\end{bmatrix}G_{y} = \begin{bmatrix}-1 & -2 & -1 \\0 & 0 & 0 \\+1 & +2 & +1\end{bmatrix}$

使用下列公式计算梯度幅值和方向:

$\begin{array}{l}G = \sqrt{ G_{x}^{2} + G_{y}^{2} } \\\theta = \arctan(\dfrac{ G_{y} }{ G_{x} })\end{array}$

梯度方向近似到四个可能角度之一(一般 0, 45, 90, 135)

非极大值 抑制。这一步排除非边缘像素，仅仅保留了一些细线条(候选边缘)。

滞后阈值: 最后一步，Canny 使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值):

如果某一像素位置的幅值超过高阈值, 该像素被保留为边缘像素。

如果某一像素位置的幅值小于低阈值, 该像素被排除。

如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于高阈值的像素时被保留。

Canny 推荐的高:低阈值比在 2:1 到3:1之间。

想要了解更多细节，你可以参考任何你喜欢的计算机视觉书籍。
CV_EXPORTS_W void Canny( InputArray image, OutputArray edges,
                         double threshold1, double threshold2,
                         int apertureSize=3, bool L2gradient=false );
image：原图灰度图

edges：输出边缘可输出到原图中

threshold1 ：低阈值

threshold2：高阈值一般为低阈值的二到三倍

apertureSize：内核大小

L2gradient：没找到干什么用的以后要是用到的话再去官网看文档吧

opencv学习笔记--Canny边缘检测

步骤¶

猜你喜欢