OpenCv之Canny边界检测（笔记13）

Posted 2021-06-02 月疯

#Canny边缘检测

canny边缘检测是一种非常流行的边缘检测算法，是John.F.Canny再1986年提出来了的。他是一个很多步构成的算法，我们接下来逐步介绍。

1、噪声去除 由于边缘检测很容易受到噪声的影响，所以第一步是使用5x5的高斯滤波器去除噪声

2、计算图像梯度 对平滑后的图像使用Sobel算子计算水平方向的和竖直方向的一阶导数（图像梯度）（Gx和Gy）。根据得到的这俩福梯度图（Gx和Gy）找到边界的梯度和方向， 公式如下：

梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和俩个对角线。

 

3、非极大值抑制 再获得梯度的方向和大笑之后，应该对整幅图像做一个扫描，去除那些非边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同的梯度方向的点 中最大的。如下所示： 上图当中的数字代表了像素点的梯度强度，箭头方向代表了梯度的方向。以第二排第三个像素点为例，由于梯度方向向上，则将这一点的强度（7）与其上下俩个像素点的强度 （5和4）比较，由于这一点强度最大，则保留。

4、滞后阈值 现在要确定那些边界才是真正的边界。这时我们需要设置俩个阈值：minVal和maxVal。当图像的灰度梯度高于maxVal时被认为是真的边界，那些低于minVal的边界会被抛弃 。如果介于俩者之间的话，就要看这个点是否与某个被确认为真正的边界点相连，如果是就认为它是边界点，如果不是就抛弃。如下图： A高于阈值maxVal所以是真正的边界点，B虽然低于maxVal但高于minVal并且与A相连，所以也被认为是真正的边界点。而C就会被抛弃，因为他不仅低于maxVal而 且不与真正的边界相连。D也会被抛弃，因为低于minVal。所以选择合适的maxVal和minVal对于能否得到好的结果非常重要。在这一步一些小的噪声点也会被除去，因为我们假设边界都是一些 长的线段。

Canny使用 再Opencv中只需要一个激活函数：cv2.Canny(),就可以完成以上几步。让我们看如何使用这个函数。这个函数的第一参数是输入图像。第二和第三个分别是 minVal和maxVal。第四个参数设置用来计算图像梯度的Sobel卷积核的大小，默认值为3.最后一个参数是L2gradient，它可以用来设定求梯度大小方程式。 如果设为True，就会使用我们饿上面提到过的方程：否则使用方程：，默认值是False。

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像边缘检测
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')
# show(image)
# image=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)

def edge_detection(image,minVal=100,maxVal=200):
    image=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    edges=cv2.Canny(image,minVal,maxVal)
    plt.imshow(edges,'gray')
    plt.axis('off')
    plt.show()

edge_detection(image)

效果展示：

注意设定边界的阈值的最大值和最小值，对结果影响还是特别大

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像边缘检测
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')
# show(image)
image=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)


image = cv2.GaussianBlur(image,(3,3),0)
Value=[(10,150),(100,200),(180,230)]
plt.figure(figsize=(20,5))
for i,(minVal,maxVal) in enumerate(Value):
    plt.subplot(1,3,i+1)
    edges=cv2.Canny(image,minVal,maxVal)
    edges=cv2.GaussianBlur(edges,(3,3),0)
    plt.imshow(edges,'gray')
    plt.title(str((minVal,maxVal)))
    plt.axis('off')
plt.show()

效果展示：

不知道如何选取阈值：

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像边缘检测
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')
# show(image)
image=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)


#不知道阈值应该如何选取
def auto_canny(image,sigma=0.33):
    v=np.median(image)
    lower=int(max(0,(1.0-sigma)*v))
    upper=int(min(255,(1.0+sigma)*v))
    edged=cv2.Canny(image,lower,upper)
    print(lower,upper)
    return edged

edges=auto_canny(image)
edges=cv2.GaussianBlur(edges,(3,3),0)
plt.imshow(edges,'gray')
plt.axis('off')
plt.show()

效果展示：