OpenCV Canny邊緣檢測器

目標

在本教程中，您將學習如何：

• 使用OpenCV函數(shù)cv :: Canny來實現(xiàn)Canny Edge Detector。

理論

該Canny邊緣檢測是由約翰·F·坎尼在1986年也知道很多的開發(fā)最佳的檢測，坎尼算法旨在滿足三個主要標準：

• 低錯誤率：意味著只有現(xiàn)有邊緣的良好檢測。
• 良好的定位：檢測到的邊緣像素與實際邊緣像素之間的距離必須最小化。
• 最小響應：每個邊緣只有一個檢測器響應。

步驟

• 濾除任何噪音。高斯濾波器用于此目的?？赡苁褂玫牡母咚箖?nèi)核的示例如下所示：size=5
  

• 找到圖像的強度梯度。為此，我們遵循類似于Sobel的程序：
  

應用一對卷積面罩 (在 x 和 y directions:

查找梯度強度和方向：

方向四舍五入為四個可能的角度之一（即0,45,90或135）

• 應用非最大抑制。這將刪除不被認為是邊緣的一部分的像素。因此，只有細線（候選邊）將保留。
• 滯后：最后一步。Canny確實使用兩個閾值（上限和下限）：

1. 如果像素梯度高于上限閾值，則像素被接受為邊緣
2. 如果像素梯度值低于較低閾值，則會被拒絕。
3. 如果像素梯度在兩個閾值之間，那么只有當它連接到高于上限閾值的像素時才被接受。

Canny推薦上限：2：1和3：1之間的較低比例。

• 有關更多詳細信息，您可以隨時咨詢您最喜愛的Computer Vision書籍。
  

Code

• 這個程序是做什么的？
  

1. 要求用戶輸入數(shù)值以設置我們的Canny Edge Detector的下限（通過Trackbar）。
2. 應用Canny Detector并生成一個蒙版（亮線表示黑色背景上的邊緣）。
3. 應用在原始圖像上獲得的蒙版，并將其顯示在窗口中。

• 教程代碼如下所示。您也可以從這里下載
  

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace cv;
Mat src, src_gray;
Mat dst, detected_edges;
int edgeThresh = 1;
int lowThreshold;
int const max_lowThreshold = 100;
int ratio = 3;
int kernel_size = 3;
const char* window_name = "Edge Map";
static void CannyThreshold(int, void*)
{
    blur( src_gray, detected_edges, Size(3,3) );
    Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );
    dst = Scalar::all(0);
    src.copyTo( dst, detected_edges);
    imshow( window_name, dst );
}
int main( int, char** argv )
{
  src = imread( argv[1], IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }
  dst.create( src.size(), src.type() );
  cvtColor( src, src_gray, COLOR_BGR2GRAY );
  namedWindow( window_name, WINDOW_AUTOSIZE );
  createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );
  CannyThreshold(0, 0);
  waitKey(0);
  return 0;
}

說明

• 創(chuàng)建一些必需的變量：
  

Mat src, src_gray;
Mat dst, detected_edges;
int edgeThresh = 1;
int lowThreshold;
int const max_lowThreshold = 100;
int ratio = 3;
int kernel_size = 3;
const char* window_name = "Edge Map";

請注意以下事項：

1. 我們建立一個較低的上限閾值3：1（與可變比率）的比率。
2. 我們設置內(nèi)核大小為（Sobel操作由Canny函數(shù)內(nèi)部執(zhí)行）。3
3. 我們?yōu)榈南孪揲撝翟O置最大值。100

• 加載源圖像：
  

  src = imread( argv[1], IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }

• 創(chuàng)建一個相同類型和大小的src（為dst）的矩陣：
  

  dst.create（src.size（），src.type（））;

• 將圖像轉換為灰度級（使用函數(shù)cv :: cvtColor）：
  

  cvtColor（src，src_gray，COLOR_BGR2GRAY）;

• 創(chuàng)建一個窗口來顯示結果：
  

  namedWindow（window_name，WINDOW_AUTOSIZE）;

• 創(chuàng)建一個跟蹤欄，供用戶輸入Canny檢測器的下限：
  

  createTrackbar（“Min Threshold：”，window_name，＆lowThreshold，max_lowThreshold，CannyThreshold）;

觀察以下內(nèi)容：

1. Trackbar要控制的變量是lowThreshold，最大值為max_lowThreshold（我們先前設置為100）
2. 每次Trackbar注冊一個動作時，將調用回調函數(shù)CannyThreshold。

• 讓我們檢查CannyThreshold函數(shù)，一步一步：
  

1. 首先，我們用內(nèi)核大小為3的過濾器模糊圖像：    

1.     blur（src_gray，detected_edges，Size（3,3））;
   

2. 然后，我們應用OpenCV函數(shù)cv :: Canny：

       Canny（detected_edges，detected_edges，lowThreshold，lowThreshold * ratio，kernel_size）;
   

其中的解釋：

• • detected_edges：源圖像，灰度
  • detected_edges：檢測器的輸出（可以與輸入相同）
  • lowThreshold：用戶移動軌跡欄輸入的值
  • highThreshold：在程序中設置為下限閾值的三倍（在Canny的建議之后）
  • kernel_size：我們將它定義為3（要在內(nèi)部使用的Sobel內(nèi)核的大?。?/li>
• 我們用零填充dst圖像（意味著圖像是完全黑色的）。

    dst = Scalar :: all（0）;

• 最后，我們將使用函數(shù)cv :: Mat :: copyTo僅映射被識別為邊緣的圖像的區(qū)域（在黑色背景上）。cv :: Mat :: copy將src映像復制到dst上。但是，它只會復制它們具有非零值的位置中的像素。由于Canny檢測器的輸出是黑色背景上的邊緣輪廓，因此所得到的dst在所有區(qū)域都將為黑色，但檢測到的邊緣為黑色。

•     src.copyTo（dst，detected_edges）;
  

• 我們顯示結果：

    imshow（window_name，dst）;

結果

• 在編譯上面的代碼之后，我們可以運行它作為參數(shù)作為圖像的路徑。例如，使用以下圖像作為輸入：

• 移動滑塊，嘗試不同的閾值，我們得到以下結果：
  

• 注意圖像如何與邊緣區(qū)域上的黑色背景疊加。