opencv python Canny边缘检测

Canny Edge Detection

Canny边缘检测是一种流行的边缘检测算法.它是由John F. Canny开发的,

  1. 这是一个多阶段算法.
  2. 减少噪音
    由于边缘检测易受图像中的噪声影响,因此第一步是使用5x5高斯滤波器去除图像中的噪声.
  3. 计算图像梯度
    对平滑后的图像使用sobel算子在水平与竖直方向上计算一阶导数,得到图像梯度(Gx和Gy)。根据梯度图找到边界梯度和方向
    $$ Edge\_Gradient \; (G) = \sqrt{G_x^2 + G_y^2} $$
    $$\ Angle (\theta) = \tan^{-1} \bigg(\frac{G_y}{G_x}\bigg) $$
    梯度方向一般与边界垂直,有四类:垂直、水平、两个对角线
  4. 非极大值抑制
    在获得梯度幅度和方向之后,完成图像的全扫描以去除可能不构成边缘的任何不需要的像素.为此,在每个像素处,检查像素是否是其在梯度方向上的邻域中的局部最大值.

    opencv python Canny边缘检测
    A点位于边缘(垂直方向),梯度方向与边缘垂直. B点和C点处于梯度方向。 因此,用点B和C检查点A,看它是否形成局部最大值.如果是这样,则考虑下一阶段,否则,它被抑制(置零).

  5. 滞后阈值
    这个阶段决定哪些边缘是边缘,哪些边缘不是边缘. 为此,我们需要两个阈值,minVal和maxVal. 强度梯度大于maxVal的边缘肯定是边缘,而minVal以下的边缘肯定是非边缘的,因此被丢弃. 两者之间的值要判断是否与真正的边界相连,相连就保留,不相连舍弃.

    opencv python Canny边缘检测

    边缘A高于maxVal,因此被视为“真实边缘”。
    虽然边C低于maxVal,但它连接到边A,因此也被视为有效边,我们得到完整的曲线。
    但边缘B虽然高于minVal并且与边缘C的区域相同,但它没有连接到任何“真实边缘”,因此被丢弃。
    因此,我们必须相应地选择minVal和maxVal才能获得正确的结果

我们最终得到的是图像中的强边缘

OpenCV中的Canny边缘检测

cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]])

  • image:输入图像
  • threshold1和threshold2:minVal和maxVal
  • apertureSize:用于查找图像渐变的Sobel内核的大小,3(默认
  • L2gradient:指定用于查找梯度幅度的等式,如果它是True,它使用上面提到的更准确的等式,否则它=False(默认)使用:

$$Edge\_Gradient \; (G) = |G_x| + |G_y|$$

代码

import cv2
from matplotlib import pyplot as plt

img = cv2.imread('img.jpg',0)

edges = cv2.Canny(img,100,200)

plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])

plt.show()

opencv python Canny边缘检测

相关推荐