写点什么

Canny 边缘提取相关知识学习,图像处理第 32 篇博客

发布于: 20 小时前

Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 32 篇。


基础知识铺垫

<kbd>Canny</kbd>边缘提取的目标是找到一个最优的边缘检测算法,从这里能看出,目标依旧是提取边缘。


它的原理是:检测出图像中所有灰度值变化较大的点,这些点进行连接形成线条,线条的集合就是图像的边缘。


该边缘检测比较流行,我们进行一下学习吧。


在这里依旧补充一下图像里面什么是边缘:


直观上图像的边缘是灰度值突然改变的地方,边缘产生有以下几个原因:


  • 表面法向量不连续(新知识,法向量:垂直于平面的直线所表示的向量为该平面的法向量);

  • 深度的不连续;

  • 表面颜色的不连续;

  • 光照的不连续。


好的边缘提取器的标准


该标准适用于检测所有边缘提取算法


  • <kbd>Good detection</kbd>:既不能过多的检测出噪声,也不能丢失边缘信息;

  • <kbd>Good localization</kbd>:边缘应该尽可能和真实图像边缘接近;

  • <kbd>Single response</kbd>:边缘提取的尽可能细,每个只占一个像素点。

Canny 边缘检测的相关说明

首先看一下网上对其步骤的说明:


  1. 图像降噪,使用高斯滤波器,消除噪声,使用 GaussianBlur 函数;

  2. 计算图像梯度,每个像素的梯度和方向都要计算,使用 SobelScharr 函数;

  3. 非极大值抑制,消除边缘检测带来的杂散响应(新名词);

  4. 阈值筛选,高低阈值输出二值图像。

Canny 函数原型

edges = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]])edges =  cv.Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]
复制代码


参数说明如下:


  • <kbd>image</kbd>:输入图像;

  • <kbd>threshold1</kbd>:低阈值;

  • <kbd>threshold2</kbd>:高阈值;

  • <kbd>edges</kbd>:这个参数就比较迷了,输出的边缘图(为何不用 dst);

  • <kbd>apertureSize</kbd>:算子大小,默认值为 3;

  • <kbd>L2gradient</kbd>:计算图像梯度的方式。


官方参数说明可以点击学习


测试代码如下:


import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltsrc = cv.imread("test1.jpg", 0)# 图像降噪src = cv.GaussianBlur(src, (3, 3), 0)# 图像梯度xgrad = cv.Sobel(src, cv.CV_16SC1, 1, 0)ygrad = cv.Sobel(src, cv.CV_16SC1, 0, 1)
# Canny 边缘检测,50 为低阈值,150 为高阈值,参数必须符合1:3或者1:2canny = cv.Canny(xgrad, ygrad, 50, 150)# 直接用灰度图像# canny = cv.Canny(gray, 50, 150)
imgs = np.hstack([src, canny])plt.figure(figsize=(20, 10))plt.imshow(imgs, "gray")plt.axis('off')plt.show()
复制代码


运行之后,可以发现图像边缘提取的还可以。


高低阈值筛选如果 lowhigh 为阈值,那高于 high 的都保留,小于 low 的都丢弃,最终即可输出二值图像,推荐高低阈值比例为 1:3 或者 1:2


上面代码还遗留一个小问题,即使用灰度图像,如果读取进来的图片没有进行该转换,最终得到的效果会有差异,效果图如下:


官方手册相关知识可以点击

加入滑动条

对于这种涉及值的操作,都可以使用滑动条解决问题。


修改成动态调参代码与效果如下:


import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltsrc = cv.imread("test1.jpg")
cv.namedWindow("bar", cv.WINDOW_AUTOSIZE)
low_threshold = 0high_threshold = 0

def do(x): global high_threshold if x != 0: high_threshold = 3 * x

cv.createTrackbar("low_threshold", "bar", 10, 100, do)
# 图像降噪src = cv.GaussianBlur(src, (3, 3), 0)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)# 图像梯度xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
while True: low_threshold = cv.getTrackbarPos("low_threshold", "bar") canny = cv.Canny(gray, low_threshold, high_threshold) cv.imshow("canny", canny) if cv.waitKey(1) & 0xFF == 27: break
cv.destroyAllWindows()
复制代码


相关数学知识挖坑

本部分用于记录本文中提及的相关数学原理,后续逐步埋坑。


  • x 轴与 y 轴方向上的一阶偏导数;

  • 反三角函数;

  • 高斯滤波器公式;

  • 法向量。

橡皮擦的小节

希望今天的 1 个小时(今天内容有点多,不一定可以看完),你有所收获,我们下篇博客见~


发布于: 20 小时前阅读数: 6
用户头像

爬虫 100 例作者,蓝桥签约作者,博客专家 2021.02.06 加入

6 年产品经理+教学经验,3 年互联网项目管理经验; 互联网资深爱好者; 沉迷各种技术无法自拔,导致年龄被困在 25 岁; CSDN 爬虫 100 例作者。 个人公众号“梦想橡皮擦”。

评论

发布
暂无评论
Canny 边缘提取相关知识学习,图像处理第 32 篇博客