OpenCV-C++ Canny算法介绍

目录Canny理论原理过滤噪声计算图像梯度非最大值抑制算子NMS)双阈值算法检测边缘和连接边缘 OpenCV Canny使用

注意:文章原理还很不完善,仅供本人学习使用;

Canny理论原理

Canny边缘检测器是由John F. Canny在1986年提出,Canny被称为最优检测器,其目标满足以下三个主要标准:

低错误率:对已有的边界能够有很好的检测;
良好的定位:即检测到的边缘像素和实际边缘像素之间的距离必须最小化;
最小响应:即每边只有一个响应;

Canny算法主要包含以下五个步骤:

过滤噪声

使用高斯滤波器去噪,高斯核如下图所示:

计算图像梯度

首先,在图像利用Sobel算子计算x, y两个方向的梯度:

其次,计算梯度的强度和方向:

其中,梯度的方向被四舍五入到[0, 45, 90, 135]这几个角度;

非最大值抑制算子NMS)

抑制那些梯度不够大的像素点,只保留最大的像素点,从而达到瘦边的目的;

双阈值算法检测边缘和连接边缘

经过NMS算法后,设置两个阈值T_1, T_2),通常T_1)是T_2)的1/2)或者1/3);

梯度值大于T_2)的像素点称为强边缘,保留作为图像边缘;
梯度值小于T_1)的像素点不是边缘,舍弃;
针对梯度值大于T_1),小于T_2)的像素点,称为弱边缘;

针对弱边缘,需要进一步判定其是否的真正的边缘像素点;判别的方法就是,当弱边缘像素点周围8个领域内存在强边缘像素时,则该弱边缘变成强边缘点,否则不是边缘点;

OpenCV Canny使用

CannyAPI的介绍:

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

src输入图像,必须是8-bits;
edges输出的图像边缘
threshold1, threshold2对应于上述的T_1, T_2);
apertureSize是Sobel算子的大小;
L2gradient表示计算梯度值时是否使用L2)就是默认的计算方式);

如果设置L2gradient=True,则梯度值的计算方式为:

[G = |G_x| + |G_y|
]

使用方式:

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

/**
 * 边缘处理
*/

Mat src, srcBlur, srcGray;
const int MAX_THRESHOLD = 255;
int t1_value = 50;
char output_wind[] = "output";

void Canny_Demoint, void*);

int main){
    // 读取图像
    src = imread"/home/chen/dataset/lena.jpg");
    if src.empty)){
        cout << "could not load image." << endl;
        return -1;
    }
    namedWindow"src", WINDOW_AUTOSIZE);
    imshow"src", src); 

    GaussianBlursrc, srcBlur, Size3, 3), 0, 0);
    cvtColorsrcBlur, srcGray, COLOR_BGR2GRAY);

    namedWindowoutput_wind, WINDOW_AUTOSIZE);
    createTrackbar"Threshold: ", output_wind, &t1_value, MAX_THRESHOLD, Canny_Demo);
    Canny_Demo0, 0);

    waitKey0); 
    return 0;
}

void Canny_Demoint, void*){
    Mat edgeOutput;
    CannysrcGray, edgeOutput, t1_value, t1_value*2, 3, false);
    imshowoutput_wind, edgeOutput);
}

Reference:

学习笔记-canny边缘检测

OpenCV-C++ Canny算法介绍

Canny理论原理