建站网站模板下载,西安网站制作服务商,市场营销策略范文,wordpress 函数 chm第10章#xff1a;Canny图像边缘检测一、Canny边缘检测的基础#xff1a;1. 应用高斯滤波去除图像噪声#xff1a;2. 计算梯度3.非极大值抑制4. 应用双阈值确定边缘#xff1a;二、Canny函数使用#xff1a; Canny边缘检测是一种使用多级边缘检测算法检测边缘的方法。19…
第10章Canny图像边缘检测一、Canny边缘检测的基础1. 应用高斯滤波去除图像噪声2. 计算梯度3.非极大值抑制4. 应用双阈值确定边缘二、Canny函数使用 Canny边缘检测是一种使用多级边缘检测算法检测边缘的方法。1986年John F.Canny发表了著名论文A Computational Approach to Approach to Edge Detection在该论文中详述了如何进行边缘检测。
OpenCV中提供了函数cv2.Canny()来实现Canny边缘检测。
一、Canny边缘检测的基础
Canny边缘检测主要分为如下步骤
步骤一去噪。噪声会影响边缘检测的准确性因此首先要将噪声过滤掉。步骤二计算梯度的幅度和方向。步骤三非极大值抑制即适当的让边缘变瘦。步骤四确定边缘。使用双阈值算法确定最终的边缘信息。
下面对上诉步骤进行简单介绍
1. 应用高斯滤波去除图像噪声
由于图像的边缘非常容易受到噪声的干扰为了避免检测到错误的边缘信息通常需要对图像进行滤波以去除噪声。滤波的目的是对一些纹理较弱的非边缘区域进行平滑处理以便得到更准确的边缘 避免将其判断为边缘。在实际处理中通常会使用高斯滤波去除图像中的噪声。 上图演示了使用高斯滤波器T对原始图像O中像数值为226的像素点进行滤波得到该点在滤波结果图像内D的值。
在滤波过程中我们通过滤波器对象像素点周围的像素进行加权平均值计算获取最终滤波结果。对于高斯滤波器T越临近中心的点权重值越大。对图像O中像素值为226的像素点使用滤波器T进行滤波的计算过程及结果为 高斯滤波器高斯核并不是固定的例如它还可以是 滤波器的大小也是可变的高斯核的大小对于边缘检测的效果具有很重要的作用。滤波器的核越大边缘信息对于噪声的敏感度就越低。不过核越大边缘检测的定位错误也会随之增加。通常来说一个5×5的核能够满足大多数的情况。
2. 计算梯度
在前面的图像梯度中介绍了如何计算图像梯度的幅度。在这里我们关注梯度的方向梯度的方向与边缘的方向是垂直的。梯度方向垂直于边缘 边缘检测算子返回水平方向的Gx和垂直方向上的Gy。梯度的幅度G和方向θ用角度值表示为 式中atan2•表示具有两个参数的arctan函数。
梯度的方向总与边缘垂直通常就近取值为水平左、右、垂直上、下、对角线右上、左上、左下、右下等8个不同方向。
因此在计算梯度时我们会得到梯度的幅度和角度代表梯度的方向两个值。
下面展示梯度的表示法。其中每一个梯度都包含幅度和方向两个不同的值。为了方便观察这里使用了可视化表示方法。例如左上角顶点的值2↑实际上表示的是一个二元数对(2, 90)表示梯队的幅度为2角度为90° 3.非极大值抑制
在获得了梯度的幅度和方向后遍历图像中的像素点去除所有非边缘的点。在具体实现时逐一遍历像素点判断当前像素点是否是周围像素点中具有相同梯度方向的最大值并且根据判断结果决定是否抑制该点。通过以上描述可知该步骤是边缘细化的过程。针对每一个像素点
如果该点是正/负梯度方向上的局部最大值则保留该点。如果不是则抑制该点归零
在下图中A、B、C三点具有相同的方向梯度方向垂直与边缘 。判断这三个点是否为各自的局部最大值如果是则保留该点否则抑制该点归零。 经过比较判断可知A点具有最大的局部值所以保留A点称为边缘其余两点B和C被抑制归零
在下图中黑色背景的点都是向上方向梯度水平边缘的局部最大值。因此这些点会被保留其余点会被抑制处理为0。这意味着这些黑色背景的点最终被处理为边缘点而其他点都被处理为非边缘点。 正\负梯度方向上是指相反方向的梯度方向。例如在上图中黑色背景的像素点都是垂直方向梯度向上或向下方向上即水平边缘的局部最大值。这些点最终会被处理为边缘点。
经过上述处理后对于同一个方向的若干个边缘点基本上仅保留了一个因此实现了边缘细化的目的。
4. 应用双阈值确定边缘
完成上述步骤后我们得到的目标边缘图像内已经可以获取到图像的强边缘。但是一些虚边缘可能也在边缘图像内。这些虚边缘可能是真实图像产生的也可能是由于噪声所产生的。对于后者我们必须将其剔除。
设置两个阈值其中一个为高阈值maxVal一个为低阈值minVal。根据当前边缘像素的梯度值(指的是梯度幅度下同)与这两个阈值之间的关系判断边缘的属性。具体步骤为
如果当前边缘像素的梯度值大于或等于maxVal则将当前边缘像素标记为强边缘。如果当前边缘像素的梯度值介于maxVal与minVal之间则将当前边缘像素标记为虚边缘需要保留)如果当前边缘像素的梯度值小于或等于minVal则抑制当前边缘像素。
在上述过程中我们得到了虚边缘需要对其做进一步处理。一般通过判断虚边缘与强边缘是否连接来确定虚边缘到底属于哪种情况。通常情况下如果一个虚边缘
与强边缘连接则将该边缘处理为边缘。与强边缘无连接则将该边缘处理为弱边缘将其抑制。
在下图中左图显示的是三个边缘信息右图是对边缘信息进行分类的示意图具体划分如下
A点的梯度值大于maxVal因此A是强边缘。B和C点的梯度值介于maxVal和maxVal之间因此B、C是虚边缘。D点的梯度值小于minVal因此D被抑制抛弃 对于虚边缘B和C的处理
B点的梯度值介于maxVal和minVal之间是虚边缘但该点与强边缘不相连故将其抛弃。C点的梯度值介于maxVal和minVal之间是虚边缘但该点与强边缘A相连故将其保留。 注意 高阈值maxVal和低阈值minVal不是固定的需要针对不同的图像进行定义。
二、Canny函数使用
OpenCV提供了函数cv2.Canny()来实现Canny边缘检测其语法如下
edges cv2.Canny(image, threshold1, threshold2[, spertureSize[, L2gradient]]) edges计算得到的边缘图像 image输入的8位图像 threshold1表示处理过程中的第一个阈值 threshold2表示处理过程中的第二个阈值 apertureSize表示Sobel算子的孔径大小 L2gradient为计算图像梯度幅度的标识gradient magnitude的标识。其默认值为False。如果为True则使用更精准的L2范数进行计算即两个方向的导数的平方和再开方否者使用L1范数直接将两个方向导数的绝对值相加
示例
import cv2img cv2.imread(../boat.512.tiff)
rst1 cv2.Canny(img, 120, 200)
rst2 cv2.Canny(img, 32, 128)
cv2.imshow(img, img)
cv2.imshow(rst1, rst1)
cv2.imshow(rst2, rst2)
cv2.waitKey()
cv2.destroyAllWindows()
