目录
  • 一、边缘检测原理
  • 二、 canny算法原理
  • 三、opencv 函数支持Canny()
  • 四、代码示例：

一、边缘检测原理

图像的边缘由图像中两个相邻的区域之间的像素集合组成，是指图像中一个区域的结束和另外一个区域的开始。也可以这么理解，图像边缘就是图像中灰度值发生空间突变的像素的集合。梯度方向和幅度是图像边缘的两个性质，沿着跟边缘垂直的的方向，像素值的变化幅度比较平缓；而沿着与边缘平行的方向，则像素值变化幅度变化比较大。于是，根据该变化特性，通常会采用计算一阶或者二阶导数的方法来描述和检测图像边缘。

基于边缘检测的图像分割方法的基本思路是首先检测出图像中的边缘像素，然后再把这些边缘像素集合连结在一起便组成所要的目标区域边界。图像中的边缘可以通过对灰度值求导来检测确定，然而求导数可以通过计算微分算子来实现。在数字图像处理领域，微分运算通常被差分计算所近似代替。

二、 canny算法原理

(1)消除噪声。边缘检测的算法的主要思想采用了图像强度的一阶和二阶微分运算,但因为导数对噪声很敏感,所以再求导之前，先对图像源的数据进行平滑预处理再运用边缘检测算法。一般采用滤波器来改善图像的性噪比。所以Canny算子前,先通过高斯模板对原始数据进行卷积操作来抑制图像的噪声，再进行边缘检测。

(2)sobel梯度计算：平滑处理完，canny算子利用已有的一阶导数sobel微分算子来计算梯度，

在这里插入图片描述

Gx表示水平方向X的掩码模板，Gy表示垂直方向Y的掩码模板，采用这两个模板与图像进行卷积操作可得到图像边缘的梯度幅值和方向分别如式（4）和（5）所示：

在这里插入图片描述

在这里插入图片描述

梯度方向被归为垂直，水平，和两个对角线四类，其方向一般总是垂直于边界。

（3）对梯度幅值进行非极大值抑制。意思是遍历整个图像，将某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比，判断其是否最大，如果不是那么这个像素值置为0，即不是边缘；如下图5. 1所示 ，每一列箭头的方向代表步骤二所检测出的（梯度方向与边缘垂直），数值表示对应的梯度方向的幅值。经过非极大值抑制处理之后，第一列所表示梯度方向的幅值2、4、3被置为0，第二列的所表示梯度方向的幅值3、5、4被置为0，以此类推，最终白色边框里的幅值5、6、7、6、7被当作疑似边缘像素点。

（4）使用双阈值算法检测和连接边缘。在上一个步骤得到了存在伪边缘的边缘集，因为通过单阈值处理选取边缘的操作比较难, 所以在Canny算法采用滞后阈值法减少伪边缘数量。如下图5. 1所示：Canny使用了滞后阈值,滞后阈值需要高阈值和低阈值,在进行边缘确定时依据下面的步骤第一,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:第二,如果某一像素位置的幅值小于低阈值,该像素被排除;第三,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算法的双阈值中, 大部分噪声被高阈值检测出去除了,但是也损失了有用的边缘信息, 较多的边缘信息则被低阈值检测得到的图像保留着,可取的高与低阈值比在2:1到3:1之间。

在这里插入图片描述

图5. 1非极大值抑制示意图图

在这里插入图片描述

图5. 2双阈值算法检测示意图

三、opencv 函数支持Canny()

函数原型：

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

参数说明：

  • image：8位输入图像。
  • edges:输出边缘;单通道8位图像，与图像大小相同。
  • threshold1:迟滞过程的第一个阈值。
  • threshold2:迟滞过程的第二个阈值。
  • apertureSize : Sobel算子的孔径大小。
  • L2gradient:一个标志，指示是否应用更精确的方式计算图像梯度幅值.。

四、代码示例：

 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);

程序运行效果：

在这里插入图片描述

到此这篇关于opencv canny边缘检测算法详解的文章就介绍到这了,更多相关opencv canny边缘检测算法 内容请搜索本网站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本网站！

您可能感兴趣的文章:

  • python opencv实现图像边缘检测
  • Python实现Opencv cv2.Canny()边缘检测
  • OpenCV 边缘检测
  • Python使用Opencv实现边缘检测以及轮廓检测的实现
  • OpenCV实现图像边缘检测
  • Python OpenCV实现边缘检测
  • OpenCV中Canny边缘检测的实现
  • Python+OpenCV 图像边缘检测四种实现方法
  • C++ opencv图像处理实现图片边缘检测示例
  • OpenCV实现Sobel边缘检测的示例