opencv canny邊緣檢測演演算法詳解

一、邊緣檢測原理

影象的邊緣由影象中兩個相鄰的區域之間的畫素集合組成，是指影象中一個區域的結束和另外一個區域的開始。也可以這麼理解，影象邊緣就是影象中灰度值發生空間突變的畫素的集合。梯度方向和幅度是影象邊緣的兩個性質，沿著跟邊緣垂直的的方向，畫素值的變化幅度比較平緩；而沿著與邊緣平行的方向，則畫素值變化幅度變化比較大。於是，根據該變化特性，通常會採用計算一階或者二階導數的方法來描述和檢測影象邊緣。

基於邊緣檢測的影象分割方法的基本思路是首先檢測出影象中的邊緣畫素，然後再把這些邊緣畫素集合連結在一起便組成所要的目標區域邊界。影象中的邊緣可以通過對灰度值求導來檢測確定，然而求導數可以通過計算微分運算元來實現。在數位影像處理領域，微分運算通常被差分計算所近似代替。

二、 canny演演算法原理

在1986年，Canny邊緣檢測運算元首次在論文《A Computational Approach to Edge Detection》中提出，目前，Canny邊緣檢測運算元已廣泛應用於各種影象處理視覺系統。由於它是從不同視覺物件中提取有用的結構資訊，所以了要處理的資料量大大減少。JOHN CANNY總結出，不同視覺系統對邊緣檢測具有較為類似的要求，所以，發現可以採用一種應用意義廣泛的邊緣檢測技術。
JOHN CANNY採用瞭如下步驟設計實現了canny運算元。

(1)消除噪聲。邊緣檢測的演演算法的主要思想採用了影象強度的一階和二階微分運算,但因為導數對噪聲很敏感,所以再求導之前，先對影象源的資料進行平滑預處理再運用邊緣檢測演演算法。一般採用濾波器來改善影象的性噪比。所以Canny運算元前,先通過高斯模板對原始資料進行折積操作來抑制影象的噪聲，再進行邊緣檢測。

(2)sobel梯度計算：平滑處理完，canny運算元利用已有的一階導數sobel微分運算元來計算梯度，

Gx表示水平方向X的掩碼模板，Gy表示垂直方向Y的掩碼模板，採用這兩個模板與影象進行折積操作可得到影象邊緣的梯度幅值和方向分別如式（4）和（5）所示：

梯度方向被歸為垂直，水平，和兩個對角線四類，其方向一般總是垂直於邊界。

（3）對梯度幅值進行非極大值抑制。意思是遍歷整個影象，將某個畫素的灰度值與其梯度方向上前後兩個畫素的灰度值相比，判斷其是否最大，如果不是那麼這個畫素值置為0，即不是邊緣；如下圖5. 1所示 ，每一列箭頭的方向代表步驟二所檢測出的（梯度方向與邊緣垂直），數值表示對應的梯度方向的幅值。經過非極大值抑制處理之後，第一列所表示梯度方向的幅值2、4、3被置為0，第二列的所表示梯度方向的幅值3、5、4被置為0，以此類推，最終白色邊框裡的幅值5、6、7、6、7被當作疑似邊緣畫素點。

（4）使用雙閾值演演算法檢測和連線邊緣。在上一個步驟得到了存在偽邊緣的邊緣集，因為通過單閾值處理選取邊緣的操作比較難, 所以在Canny演演算法採用滯後閾值法減少偽邊緣數量。如下圖5. 1所示：Canny使用了滯後閾值,滯後閾值需要高閾值和低閾值,在進行邊緣確定時依據下面的步驟第一,如果某一畫素位置的幅值超過高閾值,該畫素被保留為邊緣畫素:第二,如果某一畫素位置的幅值小於低閾值,該畫素被排除;第三,如果某一畫素位置的幅值在兩個閾值之間,該畫素僅僅在連線到一個高於高閾值的畫素時被保留。Canny演演算法的雙閾值中, 大部分噪聲被高閾值檢測出去除了,但是也損失了有用的邊緣資訊, 較多的邊緣資訊則被低閾值檢測得到的影象保留著,可取的高與低閾值比在2:1到3:1之間。

圖5. 1非極大值抑制示意圖圖

圖5. 2雙閾值演演算法檢測示意圖

三、opencv 函數支援Canny()

函數原型：

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

引數說明：

• image：8位元輸入影象。
• edges:輸出邊緣;單通道8位元影象，與影象大小相同。
• threshold1:遲滯過程的第一個閾值。
• threshold2:遲滯過程的第二個閾值。
• apertureSize : Sobel運算元的孔徑大小。
• L2gradient:一個標誌，指示是否應用更精確的方式計算影象梯度幅值.。

四、程式碼範例：

    cv::Mat src;
    src = cv::imread("D:\QtProject\Opencv_Example\canny\canny.jpg", cv::IMREAD_GRAYSCALE);
    if (src.empty()) {
        cout << "matTemplate Cannot load image" << endl;
        return;
    }
    cv::imshow("src", src);

    cv::Mat matCanny;
    const int lowThreshold = 10;
    const int maxThreshold = 200;
    const int kernel_size = 3;
    cv::Canny(src, matCanny, lowThreshold, maxThreshold, kernel_size);
    cv::imshow("matCanny", matCanny);

程式執行效果：

 到此這篇關於opencv canny邊緣檢測演演算法詳解的文章就介紹到這了,更多相關opencv canny邊緣檢測演演算法 內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！