思维导图canny滤波 原理步骤细致剖析

Posted 2021-12-04 霏儿fay

canny滤波 原理步骤细致剖析

制作人

霏儿，百度飞桨PPDE开发者技术专家，计算机视觉、虚拟现实、元宇宙，欢迎技术交流

目的

最优边缘检测

含义

最优检测

• 算法能够尽可能多地标识出图像中的实际边缘

最优定位准则

• 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近

检测点与边缘点一一对应

• 图像中的边缘只能标识一次

步骤

转为灰度图

• 减少计算开销

滤波

• 高斯滤波

  • 卷积核满足正态分布

  • 核越大，图像越模糊

  • 高斯核大小将影响canny滤波器的性能

    • 尺寸越大，滤波器对噪声的敏感度会越低
    • 尺寸越大也会让边缘检测的定位误差也将略有增加

  • 对同像素加权相加，使得最相近的像素有更高重要度

• 目的

  • 降低噪声

计算梯度大小&方向

• 计算Gx，Gy

  • 即水平Gx和垂直Gy方向的一阶导数值

• 计算梯度值

• 计算梯度方向

非极大值抑制（NMS）

• 角度法

  • 划分为0，45，90，135度四个角度

  • 优点

    • 计算简单

  • 劣势

    • 无插值，8邻域中计算的部分不是计算出来的梯度方向

• 插值法

  • 优点

    • 更精确

  • 劣势

    • 计算开销大

• 目的

  • 梯度计算得到的边缘很粗，一条边缘中央一般很亮，两边亮度逐渐降低，可以根据这个特点去掉非局部灰度最高的“假边”
  • 寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点

• 算法思路

  • 将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较。
  • 如果当前像素的梯度强度与另外两个像素相比最大，则该像素点保留为边缘点，否则该像素点将被抑制

• 原理

  • 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，这样就可以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，判断C点灰度与这两个点灰度大小即可判断C点是否为其邻域内的局部最大灰度点
  • 如果经过判断，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，那么则可以排除C点为边缘

双阈值

• 方法

  • 设置两个阀值（threshold），分别为maxVal和minVal
  • 当某个像素点值高于threshold_low 时，则可以认为它是边缘，把它的灰度置为1
  • 当某个像素点值高于threshold_low 时，则认为它不是边缘，把它的灰度置为0
  • 处于threshold_low 和threshold_high 之间的像素点，如果它的八邻域有真边上的点，则认为它也是边缘，并把灰度置为1

• 目的

  • 非极大值抑制之后，检测到的边缘线条比较多，我们可以滤掉一些很暗的边缘，并让主要的边缘凸显出来
  • 过滤掉由于噪声和颜色变化引起的一些边缘像素
  • 用弱梯度值过滤边缘像素，并保留具有高梯度值的边缘像素