OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)

计算机视觉讨论群162501053

转载请注明：http://blog.csdn.net/abcd1992719g

收入囊中

利用OpenCV Canny函数进行边缘检測
掌握Canny算法基本理论
分享Java的实现

葵花宝典

在此之前，我们先阐述一下canny检測的算法.总共分为4部分.

(1)处理噪声

一般用高斯滤波.OpenCV使用例如以下核

(2)计算梯度幅值

先用例如以下Sobel算子计算出水平和竖直梯度

我在OpenCV2马拉松第14圈——边缘检測(Sobel,prewitt,roberts)具体介绍了Sobel算子

然后计算每一个点的梯度幅值和方向

方向最后选4个 (0, 45, 90 or 135)

(3)非极大值抑制

（图片来自http://blog.csdn.net/likezhaobin/article/details/6892176）

以下的蓝色字体分析也来自http://blog.csdn.net/likezhaobin/article/details/6892176 很感谢

图像梯度幅值矩阵中的元素值越大，说明图像中该点的梯度值越大，但这不不能说明该点就是边缘（这不过属于图像增强的过程）。在Canny算法中，非极大值抑制是进行边缘检測的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点所相应的灰度值置为0，这样能够剔除掉一大部分非边缘的点。

依据上图可知。要进行非极大值抑制，就首先要确定像素点C的灰度值在其8值邻域内是否为最大。图1中蓝色的线条方向为C点的梯度方向。这样就能够确定其局部的最大值肯定分布在这条线上，也即出了C点外，梯度方向的交点dTmp1和dTmp2这两个点的值也可能会是局部最大值。因此。推断C点灰度与这两个点灰度大小就可以推断C点是否为其邻域内的局部最大灰度点。假设经过推断，C点灰度值小于这两个点中的任一个。那就说明C点不是局部极大值。那么则能够排除C点为边缘。把C的灰度值改为0,假设C是极大值。能够设为128。

这就是非极大值抑制的工作原理。

但实际上，我们仅仅能得到C点邻域的8个点的值，而dTmp1和dTmp2并不在当中，要得到这两个值就须要对该两个点两端的已知灰度进行线性插值，也即依据图1中的g1和g2对dTmp1进行插值。依据g3和g4对dTmp2进行插值，这要用到其梯度方向，这是上文Canny算法中要求解梯度方向矩阵theta的原因。

我相信上面的解释很明确了。这也是为什么我们要选0。45，90，135四个方向的原因

////////////////////第一种情况///////////////////////
///////// g1 g2 /////////////
///////// C /////////////
///////// g3 g4 /////////////
/////////////////////////////////////////////////////
////////////////////另外一种情况///////////////////////
///////// g1 /////////////
///////// g2 C g3 /////////////
///////// g4 /////////////
/////////////////////////////////////////////////////
////////////////////第三种情况///////////////////////
///////// g1 g2 /////////////
///////// C /////////////
///////// g4 g3 /////////////
/////////////////////////////////////////////////////
////////////////////第四种情况///////////////////////
///////// g1 /////////////
///////// g4 C g2 /////////////
///////// g3 /////////////
/////////////////////////////////////////////////////

(4)双阀值检測

在上个步骤中，产生了梯度幅值， (upper and lower):

假设一个像素点的梯度值大于upper,则是边界

假设一个像素点的梯度值小于lower,则不是边界

假设介于两者之间,仅当这个点和边界点连通才会被觉得是边界点

依据高阈值得到一个边缘图像，这样一个图像含有非常少的假边缘。可是因为阈值较高。产生的图像边缘可能不闭合。为解决这样一个问题採用了另外一个低阈值。在高阈值图像中把边缘链接成轮廓，当到达轮廓的端点时。该算法会在断点的8邻域点中寻找满足低阈值的点。再依据此点收集新的边缘，直到整个图像边缘闭合。

Canny推荐upper:lower 的比例为 2:1 或者 3:1.

小提示：由于，所以最高阀值不是255而是360！还有处于[lower,upper]的点检測是否是边界肯定要放在最后一步。也就是[0,lower),(upper,360]的点都处理完再处理。这样才干判连通!

初识API

C++: void Canny(InputArray image,
OutputArray edges, double threshold1, double threshold2, int apertureSize=3, bool L2gradient=false )

	image – 单通道8比特图像 edges – 输出图像。和src有同样的大小类型 threshold1 – 低阀值 threshold2 – 高阀值 apertureSize – Sobel算子的大小 L2gradient – 一个标识位,一旦设置就启用更准确的 norm 去计算图像梯度,默认使用 norm

荷枪实弹

我们就来看看非常easy的例子程序吧

#include "opencv2/imgproc/imgproc.hpp"

#include "opencv2/highgui/highgui.hpp"

#include <iostream>

using namespace cv;

/// Global variables

Mat src, src_gray;

Mat dst, detected_edges;

int lowThreshold;

int const max_lowThreshold = 100;

int ratio = 3;

int kernel_size = 3;

const char* window_name = "Edge Map";

static void CannyThreshold(int, void*)

{

    blur( src_gray, detected_edges, Size(3,3) );

    Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );

    dst = Scalar::all(0);

    //detected_edges是mask,仅仅有detected_edges被置上（边缘）。才会从原始彩色图像copy到dot中，所以展示的是彩色边缘

    src.copyTo( dst, detected_edges);

    imshow( window_name, dst );

}

int main( int, char** argv )

{

  src = imread( argv[1] );

  dst.create( src.size(), src.type() );

  cvtColor( src, src_gray, CV_BGR2GRAY );

  namedWindow( window_name, CV_WINDOW_AUTOSIZE );

  createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );

  CannyThreshold(0, 0);

  waitKey(0);

  return 0;

}

效果图：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYWJjZDE5OTI3MTln/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" width="454" height="528" alt="">

举一反三

C的实现http://blog.csdn.net/likezhaobin/article/details/6892629

以下是一个Java实现，曾经是在windows上写的。如今在mac里怎么编码有问题了...

public int[][] CannyEdgeDetect(int[][] oldmat)

	{

		int[][] tempI = gaussFilter(oldmat); 

		//////////////////Õ¨—˘ø…“‘”√≤ªÕ¨µƒºÏ≤‚∆˜/////////////////////////

		/////    P[i,j]=(S[i,j+1]-S[i,j]+S[i+1,j+1]-S[i+1,j])/2     /////

		/////    Q[i,j]=(S[i,j]-S[i+1,j]+S[i,j+1]-S[i+1,j+1])/2     /////

		/////////////////////////////////////////////////////////////////

		float[][] P = new float[height][width];                 //xœÚ∆´µº ˝

		float[][] Q = new float[height][width];                 //yœÚ∆´µº ˝

		int[][] M = new int[height][width];                       //Ã›∂»∑˘÷µ

		float[][] Theta = new float[height][width];             //Ã›∂»∑ΩœÚ

		//º∆À„x,y∑ΩœÚµƒ∆´µº ˝

		for(int i=0; i<(width-1); i++)

		{

			for(int j=0; j<(height-1); j++)

			{

				P[j][i] = (float)(tempI[j][Math.min(i+1, width-1)] - tempI[j][i] + tempI[Math.min(j+1, height-1)][Math.min(i+1, width-1)] - tempI[Math.min(j+1, height-1)][i])/2;

				Q[j][i] = (float)(tempI[j][i] - tempI[Math.min(j+1, height-1)][i] + tempI[j][Math.min(i+1, width-1)] - tempI[Math.min(j+1, height-1)][Math.min(i+1, width-1)])/2; 

			}

		}

		//º∆À„Ã›∂»∑˘÷µ∫ÕÃ›∂»µƒ∑ΩœÚ

		for(int i=0; i<width; i++)

		{

			for(int j=0; j<height; j++)

			{

				M[j][i] = (int)(Math.sqrt(P[j][i]*P[j][i] + Q[j][i]*Q[j][i])+0.5);

				//System.out.println(M[j][i]);

				Theta[j][i] = (float) (Math.atan2(Q[j][i], P[j][i]) * 57.3);

				if(Theta[j][i] < 0)

					Theta[j][i] += 360;              //Ω´’‚∏ˆΩ«∂»◊™ªªµΩ0~360∑∂Œß

			}

		}  

		int[][] N = new int[height][width];  			//∑«º´¥Û÷µ“÷÷∆Ω·π˚

		int g1=0, g2=0, g3=0, g4=0;                     //”√”⁄Ω¯––≤Â÷µ£¨µ√µΩ—«œÒÀÿµ„◊¯±Í÷µ

		double dTmp1=0.0, dTmp2=0.0;                    //±£¥Ê¡Ω∏ˆ—«œÒÀÿµ„≤Â÷µµ√µΩµƒª“∂» ˝æ›

		double dWeight=0.0;                             //≤Â÷µµƒ»®÷ÿ  

		//±ﬂΩÁ≥ı ºªØ

		for(int i=0; i<width; i++)

		{

		        N[0][i] = 0;

		        N[height-1][i] = 0;

		}

		for(int j=0; j<height; j++)

		{

		        N[j][0] = 0;

		        N[j][width-1] = 0;

		}  

		//Ω¯––æ÷≤ø◊Ó¥Û÷µ—∞’“

		for(int i=1; i<(width-1); i++)

		{

		    for(int j=1; j<(height-1); j++)

		    {

		        if(M[j][i] == 0)

		            N[j][i] = 0;         //»Áπ˚µ±«∞Ã›∂»∑˘÷µŒ™0£¨‘Ú≤ª «æ÷≤ø◊Ó¥Û∂‘∏√µ„∏≥Œ™0

		        else

		        {

		        //////// ◊œ»≈–∂œ Ù”⁄ƒ«÷÷«Èøˆ£¨»ª∫Û∏˘æ›«Èøˆ≤Â÷µ///////

		        ////////////////////µ⁄“ª÷÷«Èøˆ///////////////////////

		        /////////       g1  g2                  /////////////

		        /////////           C                   /////////////

		        /////////           g3  g4              /////////////

		        /////////////////////////////////////////////////////

		        if( ((Theta[j][i]>=90)&&(Theta[j][i]<135)) ||

		                ((Theta[j][i]>=270)&&(Theta[j][i]<315)))

		            {

		                //////∏˘æ›–±¬ ∫ÕÀƒ∏ˆ÷–º‰÷µΩ¯––≤Â÷µ«ÛΩ‚

		                g1 = M[j-1][i-1];

		                g2 = M[j-1][i];

		                g3 = M[j+1][i];

		                g4 = M[j+1][i+1];

		                dWeight = Math.abs(P[j][i])/Math.abs(Q[j][i]);   //∑¥’˝«–

		                dTmp1 = g1*dWeight+g2*(1-dWeight);

		                dTmp2 = g4*dWeight+g3*(1-dWeight);

		            }

		        ////////////////////µ⁄∂˛÷÷«Èøˆ///////////////////////

		        /////////       g1                      /////////////

		        /////////       g2  C   g3              /////////////

		        /////////               g4              /////////////

		        /////////////////////////////////////////////////////

		            else if( ((Theta[j][i]>=135)&&(Theta[j][i]<180)) ||

		                ((Theta[j][i]>=315)&&(Theta[j][i]<360)))

		            {

		                g1 = M[j-1][i-1];

		                g2 = M[j][i-1];

		                g3 = M[j][i+1];

		                g4 = M[j+1][i+1];

		                dWeight = Math.abs(Q[j][i])/Math.abs(P[j][i]);   //’˝«–

		                dTmp1 = g2*dWeight+g1*(1-dWeight);

		                dTmp2 = g4*dWeight+g3*(1-dWeight);

		            }

		        ////////////////////µ⁄»˝÷÷«Èøˆ///////////////////////

		        /////////           g1  g2              /////////////

		        /////////           C                   /////////////

		        /////////       g4  g3                  /////////////

		        /////////////////////////////////////////////////////

		            else if( ((Theta[j][i]>=45)&&(Theta[j][i]<90)) ||

		                ((Theta[j][i]>=225)&&(Theta[j][i]<270)))

		            {

		                g1 = M[j-1][i];

		                g2 = M[j-1][i+1];

		                g3 = M[j+1][i];

		                g4 = M[j+1][i-1];

		                dWeight = Math.abs(P[j][i])/Math.abs(Q[j][i]);   //∑¥’˝«–

		                dTmp1 = g2*dWeight+g1*(1-dWeight);

		                dTmp2 = g3*dWeight+g4*(1-dWeight);

		            }

		            ////////////////////µ⁄Àƒ÷÷«Èøˆ///////////////////////

		            /////////               g1              /////////////

		            /////////       g4  C   g2              /////////////

		            /////////       g3                      /////////////

		            /////////////////////////////////////////////////////

		            else if( ((Theta[j][i]>=0)&&(Theta[j][i]<45)) ||

		                ((Theta[j][i]>=180)&&(Theta[j][i]<225)))

		            {

		                g1 = M[j-1][i+1];

		                g2 = M[j][i+1];

		                g3 = M[j+1][i-1];

		                g4 = M[j][i-1];

		                dWeight = Math.abs(Q[j][i])/Math.abs(P[j][i]);   //’˝«–

		                dTmp1 = g1*dWeight+g2*(1-dWeight);

		                dTmp2 = g3*dWeight+g4*(1-dWeight);

		            }

		        }

		        //////////Ω¯––æ÷≤ø◊Ó¥Û÷µ≈–∂œ£¨≤¢–¥»ÎºÏ≤‚Ω·π˚////////////////

		        if((M[j][i]>=dTmp1) && (M[j][i]>=dTmp2))

		            N[j][i] = 128;

		        else

		            N[j][i] = 0;  

		        //System.out.println(N[j][i]);

		        }

		}  

		//À´∑ß÷µºÏ≤‚ µœ÷

		int []nHist = new int[1024];

		int nEdgeNum;             //ø…ƒ‹±ﬂΩÁ ˝

		int nMaxMag = 0;          //◊Ó¥ÛÃ›∂» ˝

		int nHighCount;  

		//Õ≥º∆÷±∑ΩÕº

		for(int i=0;i<1024;i++)

	        nHist[i] = 0;

		for(int i=0; i<width; i++)

		{

	        for(int j=0; j<height; j++)

	        {

	              if(N[j][i]==128)

	                   nHist[M[j][i]]++;

	        }

		}  

		//ªÒ»°◊Ó¥ÛÃ›∂»∑˘÷µº∞«±‘⁄±ﬂ‘µµ„∏ˆ ˝

		nEdgeNum = nHist[0];

		nMaxMag = 0;                    //ªÒ»°◊Ó¥ÛµƒÃ›∂»÷µ

		for(int i=1; i<1024; i++)           //Õ≥º∆æ≠π˝°∞∑«◊Ó¥Û÷µ“÷÷∆°±∫Û”–∂‡…ŸœÒÀÿ

		{

		    if(nHist[i] != 0)       //Ã›∂»Œ™0µƒµ„ «≤ªø…ƒ‹Œ™±ﬂΩÁµ„µƒ

		    {

		        nMaxMag = i;

		    }

		    nEdgeNum += nHist[i];   //æ≠π˝non-maximum suppression∫Û”–∂‡…ŸœÒÀÿ

		}  

		//º∆À„¡Ω∏ˆ∑ß÷µ

		float  dRatHigh = 0.79f;

		float  dThrHigh;

		float  dThrLow;

		float  dRatLow = 0.5f;

		nHighCount = (int)(dRatHigh * nEdgeNum + 0.5);

		int k = 1;

		nEdgeNum = nHist[1];

		while((k<(nMaxMag-1)) && (nEdgeNum < nHighCount))

		{

		       k++;

		       nEdgeNum += nHist[k];

		}

		dThrHigh = k;                                   //∏ﬂ„–÷µ

		dThrLow = (int)((dThrHigh) * dRatLow + 0.5);    //µÕ„–÷µ

		System.out.println("high = " + dThrHigh + "low = " + dThrLow);

		//dThrHigh = 10;

		//dThrLow = 5;

		//Ω¯––±ﬂ‘µºÏ≤‚

		int cx = width;

		int cy = height;

		for(int i=0; i<width; i++)

		{

		    for(int j=0; j<height; j++)

		    {

		        if((N[j][i]==128) && (M[j][i] >= dThrHigh))

		        {

		            N[j][i] = 255;

		            TraceEdge(j, i, (int)(dThrLow+0.5), N, M);

		        }

		    }

		}  

		//Ω´ªπ√ª”–…Ë÷√Œ™±ﬂΩÁµƒµ„…Ë÷√Œ™∑«±ﬂΩÁµ„

		for(int i=0; i<width; i++)

		{

		    for(int j=0; j<height; j++)

		    {

		        if(N[j][i] != 255)

		        {

		            N[j][i]  = 0 ;   // …Ë÷√Œ™∑«±ﬂΩÁµ„

		        }

		        N[j][i] = N[j][i] + (N[j][i] << 8) + (N[j][i] << 16);

		    }

		}  

		return N;

	}

	/*

	 * cancy ∏®÷˙∫Ø ˝

	 */

	private void TraceEdge(int y, int x, int nThrLow, int[][] pResult, int[][] pMag)

	{

	    //∂‘8¡⁄”ÚœÒÀÿΩ¯––≤È—Ø

	    int[] xNum = {1,1,0,-1,-1,-1,0,1};

	    int[] yNum = {0,1,1,1,0,-1,-1,-1};

	    int yy,xx,k;

	    for(k=0;k<8;k++)

	    {

	        yy = y+yNum[k];

	        xx = x+xNum[k];

	        if(pResult[yy][xx]==128 && pMag[yy][xx]>=nThrLow )

	        {

	            //∏√µ„…ËŒ™±ﬂΩÁµ„

	            pResult[yy][xx] = 255;

	            //“‘∏√µ„Œ™÷––ƒ‘ŸΩ¯––∏˙◊Ÿ

	            TraceEdge(yy,xx,nThrLow,pResult,pMag);

	        }

	    }

	}

初识API

OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)的更多相关文章

OpenCV2马拉松第15圈——边缘检測(Laplace算子，LOG算子)
收入囊中拉普拉斯算子 LOG算子(高斯拉普拉斯算子) OpenCV Laplacian函数构建自己的拉普拉斯算子利用拉普拉斯算子进行图像的锐化葵花宝典在OpenCV2马拉松第14圈--边缘检 ...
OpenCV2马拉松第14圈——边缘检測(Sobel,prewitt,roberts)
收入囊中差分在边缘检測的角色 Sobel算子 OpenCV sobel函数 OpenCV Scharr函数 prewitt算子 Roberts算子葵花宝典差分在边缘检測究竟有什么用呢?先看以下的 ...
openCV2马拉松第19圈——Harris角点检測（自己实现）
计算机视觉讨论群162501053 转载请注明:http://blog.csdn.net/abcd1992719g/article/details/26824529 收入囊中使用OpenCV的con ...
OpenCV2马拉松第22圈——Hough变换直线检測原理与实现
计算机视觉讨论群162501053 转载请注明:http://blog.csdn.net/abcd1992719g/article/details/27220445 收入囊中 Hough变换概率Ho ...
OpenCV2马拉松第24圈——轮廓提取
计算机视觉讨论群162501053 转载请注明:http://blog.csdn.net/abcd1992719g/article/details/27979267 收入囊中在图片中找到轮廓而且描绘 ...
OpenCV2马拉松第5圈——线性滤波
收入囊中这里的非常多内容事实上在我的Computer Vision: Algorithms and ApplicationsのImage processing中都有讲过相关和卷积工作原理边界处理 ...
OpenCV2马拉松第13圈——模版匹配
收入囊中在http://blog.csdn.net/abcd1992719g/article/details/25505315这里,我们已经学习了怎样利用反向投影和meanshift算法来在图像中查 ...
OpenCV2马拉松第2圈——读写图片
收入囊中用imread读取图片用nameWindow和imshow展示图片 cvtColor彩色图像灰度化 imwrite写图像 Luv色彩空间转换初识API 图像读取接口 image = im ...
OpenCV2马拉松第10圈——直方图反向投影(back project)
收入囊中灰度图像的反向投影彩色图像的反向投影利用反向投影做object detect 葵花宝典什么是反向投影?事实上没有那么高大上! 在上一篇博文学到,图像能够获得自己的灰度直方图. 反向投影 ...

随机推荐

[ CodeForces 1063 B ] Labyrinth
\(\\\) \(Description\) 给出一个四联通的\(N\times M\) 网格图和起点.图中有一些位置是障碍物. 现在上下移动步数不限,向左至多走 \(a\) 步,向右至多走 \(b\ ...
2105. [NOIP2015] 信息传递
★☆ 输入文件:2015message.in 输出文件:2015message.out 简单对比时间限制:1 s 内存限制:256 MB [题目描述] 有n个同学(编号为1到n)正在 ...
JavaScript中逻辑运算符的使用
逻辑运算符用于对一个或多个布尔值进行逻辑运算.在JavaScript中有3个逻辑运算符,如下表所示. 运算符描述示例 && 逻辑与 a && b //当a和b都为 ...
多路开关模式的switch语句
在实例10中,将break语句去掉之后,会将符合检验条件后的所有语句都输出.利用这个特点,可以设计多路开关模式的switch语句,例如:在平年一年12个月,1.3.5.7.8.10.12月是31天,4 ...
python自动化--语言基础一数据类型及类型转换
Python中核心的数据类型有哪些?变量(数字.字符串.元组.列表.字典) 什么是数据的不可变性?哪些数据类型具有不可变性数据的不可变是指数据不可更改,比如: a = () #定义元组 #a[]= # ...
联想 Z5 Pro(L78031)免解锁BL 免rec 保留数据 ROOT Magisk Xposed 救砖ZUI 10.0.355
>>>重点介绍<<< 第一:本刷机包可卡刷可线刷,刷机包比较大的原因是采用同时兼容卡刷和线刷的格式,所以比较大第二:[卡刷方法]卡刷不要解压刷机包,直接传入手机后用 ...
MyBatis 之一简介
什么是 MyBatis ? MyBatis 是支持定制化 SQL.存储过程以及高级映射的优秀的持久层框架.MyBatis 避免了几乎所有的 JDBC 代码和手动设置参数以及获取结果集.MyBatis ...
面向对象程序设计--Java语言第三周编程题：查找里程
查找里程题目内容: 下图为国内主要城市之间的公路里程: 你的程序要读入这样的一张表,然后,根据输入的两个城市的名称,给出这两个城市之间的里程. 注意:任何两个城市之间的里程都已经给出,不需要计算经第 ...
HTML5网页如何调用浏览器APP的微信分享功能？
if (/AppleWebKit.*Mobile/i.test(navigator.userAgent) || (/MIDP|SymbianOS|NOKIA|SAMSUNG|LG|NEC|TCL|Al ...
enote笔记法的思考
章节:enote笔记法的思考 why enote笔记法: key1)大脑喜欢颜色. 我们的大脑天生就喜欢颜色.对颜色很敏感,这是由我们人类过去的演化历程决定的. 你可以理解为,文字有了颜色,让这个 ...

OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)

OpenCV2马拉松第17圈——边缘检測(Canny边缘检測)的更多相关文章

随机推荐

热门专题