跳到主要内容

11: 边缘检测

学习使用 Canny 获取图像的边缘。图片等可到文末引用处下载。

Canny J . A Computational Approach To Edge Detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986, PAMI-8(6):679-698.

目标

  • Canny 边缘检测的简单概念
  • OpenCV 函数:cv2.Canny()

教程

Canny 边缘检测方法常被誉为边缘检测的最优方法,废话不多说,先看个例子:

import cv2
import numpy as np

img = cv2.imread('handwriting.jpg', 0)
edges = cv2.Canny(img, 30, 70) # canny 边缘检测

cv2.imshow('canny', np.hstack((img, edges)))
cv2.waitKey(0)

cv2.Canny()进行边缘检测,参数 2、3 表示最低、高阈值,下面来解释下具体原理。

提示

之前我们用低通滤波的方式模糊了图片,那反过来,想得到物体的边缘,就需要用到高通滤波。推荐先阅读:番外篇:图像梯度

Canny 边缘检测

Canny 边缘提取的具体步骤如下:

1,使用 5×5 高斯滤波消除噪声:

边缘检测本身属于锐化操作,对噪点比较敏感,所以需要进行平滑处理。高斯滤波的具体内容参考前一篇:平滑图像

K=1256[1464141624164624362464162416414641]K=\frac{1}{256}\left[ \begin{matrix} 1 & 4 & 6 & 4 & 1 \newline 4 & 16 & 24 & 16 & 4 \newline 6 & 24 & 36 & 24 & 6 \newline 4 & 16 & 24 & 16 & 4 \newline 1 & 4 & 6 & 4 & 1 \end{matrix} \right]

2,计算图像梯度的方向:

首先使用 Sobel 算子计算两个方向上的梯度GxG_xGyG_y,然后算出梯度的方向:

θ=arctan(GyGx)\theta=\arctan(\frac{G_y}{G_x})

保留这四个方向的梯度:0°/45°/90°/135°,有什么用呢?我们接着看。

3,取局部极大值:

梯度其实已经表示了轮廓,但为了进一步筛选,可以在上面的四个角度方向上再取局部极大值:

比如,A 点在 45° 方向上大于 B/C 点,那就保留它,把 B/C 设置为 0。

4,滞后阈值:

经过前面三步,就只剩下 0 和可能的边缘梯度值了,为了最终确定下来,需要设定高低阈值:

  • 像素点的值大于最高阈值,那肯定是边缘(上图 A)
  • 同理像素值小于最低阈值,那肯定不是边缘
  • 像素值介于两者之间,如果与高于最高阈值的点连接,也算边缘,所以上图中 C 算,B 不算

Canny 推荐的高低阈值比在 2:1 到 3:1 之间。

先阈值分割后检测

其实很多情况下,阈值分割后再检测边缘,效果会更好:

_, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
edges = cv2.Canny(thresh, 30, 70)

cv2.imshow('canny', np.hstack((img, thresh, edges)))
cv2.waitKey(0)

代码中我用了番外篇:Otsu 阈值法中的自动阈值分割,如果你不太了解,大可以使用传统的方法,不过如果是下面这种图片,推荐用 Otsu 阈值法。另外 Python 中某个值不用的话,就写个下划线'_'。

练习

  1. (选做)如果你不太理解高低阈值的效果,创建两个滑动条来调节它们的值看看:

小结

  • Canny 是用的最多的边缘检测算法,用cv2.Canny()实现。

接口文档

引用