OpenCV Python Canny 边缘检测

【目标】

• Canny 边缘检测的概念
• cv2.Canny

【原理】

1. 去噪

由于边缘检测非常容易收到图像的噪声影响，第一步使用 5x5 高斯滤波去除图像中的噪声。

2. 寻找图像的亮度梯度

在平滑后（去噪后）的图像利用 Sobel 算子计算图像的 X-, Y- 的一阶导数$G(x)$和$G(y)$，从这两幅图像中我们可以获得边缘的梯度值和方向。

$$EdgeGradient(G)=\sqrt{G_x^2+G_y^2}$$

$$Angle(\theta )=ta{n}^{-1}\left(\frac{G_x}{G_y}\right)$$

渐变方向始终垂直于边，被四舍五入到垂直、水平和两个对角四个角度里。

3. 非最大值抑制

获得梯度大小和方向后，对图像进行全扫描，去除可能不构成边缘的任何不需要的像素。在每个像素处，检查像素在梯度方向是否是其领域中的局部最大值。

点A位于垂直边缘上，梯度方向为 A->B, B 和 C 都是梯度方向上的点，如果 A 是邻域内最大的，则保留，否则设置为0。简而言之，会得到一个细的边缘。

4. 滞后阈值

这个阶段决定哪些是真正的边缘，哪些不是。为此，我们需要两个阈值，minVal和maxVal，梯度强度大于maxVal确定是边缘，低于minVal值的边缘点被抛弃，位于这两个值中间的值，根据其邻域点的属性来决定，如果连接到强边缘，则被判定为强边缘，否则丢弃。

上图中，可以看出，尽管C点在maxVal以下，但是与A连接，则C和A都是强边缘点。而B没有强边缘连接，则被丢弃。

【代码】

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('messi5.jpg',0)
edges = cv2.Canny(img,100,200)

cv2.imshow("src", img)
cv2.imshow("edge", edges)

cv2.waitKey(0)
cv2.destroyAllWindows()

• trackerbar 控制 Canny 边缘检测阈值

import numpy as np
import cv2

# 空函数
def nothing(x):
    pass

img = cv2.imread('messi5.jpg', 0)
cv2.namedWindow('image')

cv2.createTrackbar('min', 'image', 10, 200, nothing)
cv2.createTrackbar('max', 'image', 0, 255, nothing)

cv2.setTrackbarPos('min', 'image', 50)
cv2.setTrackbarPos('max', 'image', 150)


while(1):
    cv2.imshow('image', img)
    if cv2.waitKey(2) & 0xFF == 27:
        break
    
    minVal = cv2.getTrackbarPos('min', 'image')
    maxVal = cv2.getTrackbarPos('max', 'image')
    
    if maxVal < minVal:
        maxVal = minVal + 10
        cv2.setTrackbarPos('max', 'image', maxVal)

    edges = cv2.Canny(img, minVal, maxVal)
    cv2.imshow('canny', edges)

cv2.destroyAllWindows()

【接口】

void cv::Canny	(	InputArray 	image,
OutputArray 	edges,
double 	threshold1,
double 	threshold2,
int 	apertureSize = 3,
bool 	L2gradient = false 
);


void cv::Canny	(	InputArray 	dx,
InputArray 	dy,
OutputArray 	edges,
double 	threshold1,
double 	threshold2,
bool 	L2gradient = false 
);

cv.Canny(	image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]	) ->	edges
cv.Canny(	dx, dy, threshold1, threshold2[, edges[, L2gradient]]	) ->	edges

用Canny方法计算图像的边缘

• image: 8位输入图像
• edges: 输出的边缘图像, 单通道8位图像，尺寸与原图一致
• threshold1: 滞后过程的第一阈值
• threshold2: 滞后过程的第二阈值
• L2gradient: 一个决定是否需要更好精度的标志，L2gradient=true
• dx: 输入图像的16位x导数
• dy: 输入图像的16位y导数

【参考】

1. John Canny. A computational approach to edge detection. Pattern Analysis and Machine Intelligence, IEEE Transactions on, (6):679–698, 1986.
2. OpenCV官网文档