opencv 目标检测之 canny 算法

2023-06-26
福建
本文字数：1967 字
阅读完需：约 6 分钟

canny

canny 的目标有 3 个

低错误率检测出的边缘都是真正的边缘
定位良好边缘上的像素点与真正的边缘上的像素点距离应该最小
最小响应边缘只能标识一次,噪声不应该标注为边缘

canny 分几步

滤掉噪声比如高斯滤波
计算梯度比如用索贝尔算子算出梯度
非极大值抑制
上一步算出来的边缘可能比较粗糙,假设边缘是一条很细的线的话,上面处理完的结果你可以理解为得到一条比较粗的线条,所谓非极大值抑制,就是要在局部像素点中找到变换最剧烈的一个点,这样就得到了更细的边缘.
双阈值检测和连接边缘

前面 2 步我们应该很熟悉了,不熟悉的参考https://www.cnblogs.com/sdu20112013/p/11608469.html 和 https://www.cnblogs.com/sdu20112013/p/11600436.html

非极大值抑制

在求解梯度这一步,我们可以得到梯度的模长和方向

编辑

这一步为我们下面做 nms(非极大值抑制)打下了基础,索贝尔算子处理后的图像得到的边缘可能是很粗糙的,反映到图像上也就是边缘比较宽,我们采用 nms 把非极大值的点的灰度都置为 0,这样就可以滤掉很多非边缘的像素点.

如下图所示，C 表示为当前非极大值抑制的点，g1-4 为它的 8 连通邻域点，图中蓝色线段表示上一步计算得到的角度图像 C 点的值，即梯度方向，第一步先判断 C 灰度值在 8 值邻域内是否最大，如是则继续检查图中梯度方向交点 dTmp1,dTmp2 值是否大于 C，如 C 点大于 dTmp1,dTmp2 点的灰度值，则认定 C 点为极大值点，置为 1，因此最后生成的图像应为一副二值图像，边缘理想状态下都为单像素边缘.

这一步里有一点需要注意的就是 dTmp1,dTmp2,这两个像素点是不存在的,是通过双线性插值法算出来的. 在 John Canny 提出的 Canny 算子的论文中，非最大值抑制就只是在 0、90、45、135 四个梯度方向上进行的，每个像素点梯度方向按照相近程度用这四个方向来代替.实际检测过程里,为了更准确地过滤出属于边缘的像素点,会做双线性插值得到 dTmp1,dTmp2.再去做前面所说的 nms 过程去判断一个像素点是否属于边缘.

关于如何得到梯度方向的像素点,如下图所示

这样的话就达到了将"粗大的边缘"过滤地更加细腻.

这一步之后,得到的边缘还包含很多由噪声及其他原因造成的假边缘.

双阈值检测和边缘连接

经过 nms 以后,已经很接近真实边缘了.但还是有一些由于噪声或者别的一些原因造成的假的边缘.我们通过 2 个阈值来作进一步的过滤.

Hysteresis: The final step. Canny does use two thresholds (upper and lower): - If a pixel gradient is higher than the upper threshold, the pixel is accepted as an edge .If a pixel gradient value is below the lower threshold, then it is rejected.If the pixel gradient is between the two thresholds, then it will be accepted only if it is connected to a pixel that is above the upper threshold.
Canny recommended a upper:lower ratio between 2:1 and 3:1.

对于梯度大于高阈值的点,认为是真的边缘上的像素点.
对于梯度小于低阈值的点,认为是假的边缘像素点,是噪声造成的,去掉这些点.
对于梯度介于高低阈值之间的点,如果它周围的邻域像素点有"真边缘点"(也就是梯度大于高阈值的点),则认为这点也是"真边缘点".
推荐的高低阈值比在 2:1 到 3:1 之间

实际工程里,这两个参数要针对你自己的图像数据去调整,太低有可能造成假边缘太多,太高有可能造成想要保留的边缘也被滤掉了.

canny api

参数 3,4 表示低阈值和高阈值,L2gradient 默认 false,表示是否用开平方的方式计算梯度的大小.

opencv 示例

from __future__ import print_functionimport cv2 as cvimport argparsemax_lowThreshold = 100window_name = 'Edge Map'title_trackbar = 'Min Threshold:'ratio = 3kernel_size = 3def CannyThreshold(val):    low_threshold = val    #img_blur = cv.blur(src_gray, (3,3))    detected_edges = cv.Canny(src_gray, low_threshold, low_threshold*ratio, kernel_size)    mask = detected_edges != 0    dst = src * (mask[:,:,None].astype(src.dtype))    cv.imshow(window_name, dst)
src = cv.imread("/home/sc/disk/keepgoing/opencv_test/sidetest.jpeg")src = cv.GaussianBlur(src, (3, 3), 0)src_gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)cv.namedWindow(window_name)cv.createTrackbar(title_trackbar, window_name , 0, max_lowThreshold, CannyThreshold)CannyThreshold(0)cv.waitKey()