openc —— Canny 边缘检测

边缘检测的一般步骤

【第一步】滤波

边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核对图像灰度矩阵的每一点进行加权求和。

【第二步】增强

增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来，在具体编程实现时，可通过计算梯度幅值来确定。

【第三步】检测

通过增强的图像，往往领域中有很多点的梯度值比较大，而在特定的应用中这些点并不是要找的边缘点，所以应该采用某种方法来对这些点进行取舍，实际工程中，常用的方法是通过阈值化方法来检测。

Canny 算子简介

Canny 边缘检测算子是 John F.Canny 于 1986 年开发出来的一个多级边缘检测算法。更为重要的是，Canny 创立了边缘检测计算理论，解释了这项技术是如何工作的。Canny 边缘检测算法以 Canny 的名字命名，被很多人推崇为最优的边缘检测的算法。

最优边缘检测的三个主要评价标准：

• 低错误率：标识出尽可能多的实际边缘，同时尽可能地减少噪声产生的误差。
• 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。
• 最小相应：图像中的边缘只能标记一次，并且可能存在的图像噪声不应被识别为边缘。

Canny 边缘检测的步骤

【第一步】转化为灰度图并消除噪声

一般情况下，使用高斯平滑滤波器卷积降噪。下面显示了一个  的高斯内核示例:

【第二步】计算梯度幅值和方向

此处，按照 Sobel 滤波器的步骤来操作:

https://www.cnblogs.com/bjxqmy/p/12325852.html

① 运用一对卷积阵列 (分别作用于  和  方向)

② 使用下列公式计算梯度幅值和方向:

梯度方向近似到四个可能角度之一 —— 0 度, 45 度, 90 度, 135 度

【第三步】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）。

① 将当前像素的边缘强度与正梯度方向和负梯度方向上的像素的边缘强度进行比较。

② 如果当前像素的边缘强度与具有相同方向的掩模中的其他像素相比是最大的（例如 y 方向的像素与其上方和下方的像素进行比较；x 方向的像素与其左方和右方的像素进行比较），该值将被保留。否则，该值将被抑制。

【第四步】滞后阈值

滞后阈值需要两个阈值：

① 若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。

② 若某一像素位置的幅值小于低阈值，该像素被排除。

③ 若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 边缘检测：Canny 函数

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

• image，输入图像，即源图像，填 Mat 类对象即可，彩色或灰度图像均可，但一般为经过高斯模糊后的灰度图。
• edges，输出的边缘图，和源图像有一样的尺寸，且为二值图像。
• threshold1，第一个滞后性阈值。
• threshold2，第二个滞后性阈值。
• apertureSize，Sobel 算子的孔径大小，其有默认值 3。
• L2gradient，一个计算图像梯度值幅度的标识，如果为 true，则使用更精确的 L₂ 范数进行计算（即某点梯度 = 两个方向导数的平方和再开方），默认为 false，使用 L₁ 范数（某点梯度 = 两个方向导数的绝对值相加）。

需要注意的是，函数阈值 1 和函数阈值 2 两者中较小的值用于边缘连接，而较大的值用来控制强边缘的初始段，推荐的高低阈值比在 2：1 到 3：1 之间。

代码示例：

#include<opencv.hpp>
using namespace cv;
int main() {
    Mat src = imread("C:/Users/齐明洋/Desktop/证件照/7.jpg");
    GaussianBlur(src, src, Size(, ), , );
    imshow("src", src);
    Mat gray, canny_img;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    Canny(gray, canny_img, , , );
    imshow("canny_img", canny_img);

    waitKey();
}

效果演示：

借鉴博客：https://www.cnblogs.com/pacino12134/p/9877971.html