图像变换(1):基于OpenCV的边缘检测
一,边缘检测的一般步骤;二,canny算子;
一,边缘检测的一般步骤
1.【第一步】滤波
边缘检测的算法主要是基于图像强度的一阶和二阶导数,但导数通常对噪声很敏感,因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波,即采用离散化的高斯函数产生一组归一化的高斯核,然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。
2.【第二步】增强
增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时,可通过计算梯度幅值来确定。
3.【第三步】检测
经过增强的图像,往往邻域中有很多点的梯度值比较大,而在特定的应用中,这些点并不是要找的边缘点,所以应该采用某种方法来对这些点进行取舍。实际工程中,常用的方法是通过阈值化方法来检测。
另外,需要注意,下文中讲到的Laplacian算子、sobel算子和 Scharr 算子都是带方向的,所以,示例中我们分别写了X方向、Y方向和最终合成的的效果图。
二,canny算子
1. canny算子简介
Canny边缘检测算子是John F.Canny于 1986年开发出来的一个多级边缘检测算法。更为重要的是,Canny创立了边缘检测计算理论(Computational theoryofedge detection),解释了这项技术是如何工作的。Canny边缘检测算法以Canny的名字命名,被很多人推崇为当今最优的边缘检测的算法。
其中,Canny的目标是找到一个最优的边缘检测算法,让我们看一下最优边缘检测的三个主要评价标准。
低错误率:标识出尽可能多的实际边缘,同时尽可能地减少噪声产生的误报。
高定位性:标识出的边缘要与图像中的实际边缘尽可能接近。
最小响应:图像中的边缘只能标识一次,并且可能存在的图像噪声不应标识为边缘。
为了满足这些要求,Canny使用了变分法,这是一种寻找满足特定功能的函数的方法。最优检测用4个指数函数项的和表示,但是它非常近似于高斯函数的一阶导数。
2. Canny边缘检测的步骤
(1)【第一步】消除噪声
一般情况下,使用高斯平滑滤波器卷积降噪。以下显示了一个size = 5的高斯内核示例:
(2)【第二步】计算梯度幅值和方向此处,按照Sobel滤波器的步骤来操作。
①运用一对卷积阵列(分别作用于x和y方向)
②使用下列公式计算梯度幅值和方向
而梯度方向一般取这4个可能的角度之一——0度,45度,90度,135度。
(3)【第三步】非极大值抑制
这一步排除非边缘像素,仅仅保留了一些细线条(候选边缘)。
(4)【第四步】滞后阈值
这是最后一步,Canny使用了滞后阈值,滞后阈值需要两个阈值(高阈值和低阈值):
①若某一像素位置的幅值超过高阈值,该像素被保留为边缘像素。
②若某一像素位置的幅值小于低阈值,该像素被排除。
③若某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于高阈值的像素时被保留。
3. Canny边缘检测:Canny()函数
Canny函数利用Canny算子来进行图像的边缘检测操作。
·第一个参数,InputArray类型的 image,输入图像,即源图像,填Mat类的对象即可,且需为单通道8位图像。
·第二个参数,OutputArray类型的edges,输出的边缘图,需要和源图片有一样的尺寸和类型。
·第三个参数,double类型的threshold1,第一个滞后性阈值。
·第四个参数,double类型的threshold2,第二个滞后性阈值。
·五个参数,int类型的apertureSize,表示应用Sobel算子的孔径大小,其有默认值3。
·第六个参数,bool类型的L2gradient,一个计算图像梯度幅值的标识,有默认值false。
需要注意的是,这个函数阈值1和阈值2两者中较小的值用于边缘连接,而较大的值用来控制强边缘的初始段,推荐的高低阈值比在2:1到3:1之间。
调用示例如下。
4.示例程序:Canny边缘检测
OpenCV中调用Canny函数的实例代码如下。
代码如下:
#include<opencv2/opencv.hpp>
#include <opencv2/core/utils/logger.hpp>
#include<iostream>
using namespace std;
using namespace cv;//包含cv命名空间
int main()
{
cv::utils::logging::setLogLevel(utils::logging::LOG_LEVEL_SILENT);//控制台不在输出日志文件
//载入原始图
Mat src = imread("E:/pictures/2.jpg");
Mat src1 = src.clone();
//显示原始图
imshow("[原始图]边缘检测",src);
//--------------------------------------------------------------------------
// 一、最简单的canny用法,拿到原图后直接用。
// 注意:此方法在Opencv2中可用,在 Opencv3中已失效
// ---------------------------------------------------------------------------
// canny ( srcImage, srcImage,150,100,3 );l l imshow("【效果图】canny边缘检测",srcImage) ;
//---------------------------------------------------------------------------
// 二、高阶的canny用法,转成灰度图,降噪,用canny,最后将得到的边缘作为掩码,拷贝原图到效果图上,得到彩色的边缘图
// --------------------------------------------------------------------------
Mat dst, edge, gray;
// 【1】创建与src同类型和大小的矩阵(dst)
dst.create(src1.size(), src1.type());
//【2】将原图像转换为灰度图像
cvtColor(src1, gray, COLOR_BGR2GRAY);
// 【3】先用使用3x3内核来降噪
blur(gray, edge,Size(3,3));
// 【4 】运行Canny算子
Canny(edge,edge,3,9,3);
//【 5】将g_dstImage内的所有元素设置为0
dst = Scalar::all(0);
// 【6】使用canny算子输出的边缘图g_cannyDetectedEdges作为掩码,来将原图g_srcImage拷到目标图g_dstImage中
src1.copyTo(dst, edge);
imshow("【效果图】Canny边缘检测2",dst);
waitKey(0);
return 0;
}
运行结果: