Canny 边缘检测

目标

• Canny 边缘检测的概念
• OpenCV 中的函数：cv.Canny()

理论

Canny 边缘检测是一种流行的边缘检测算法。它由 John F. Canny 于 1986 年开发。它是一种多阶段算法，我们将逐个介绍每个阶段。

1. 降噪

   由于边缘检测容易受到图像噪声的影响，第一步是使用 5x5 高斯滤波器去除图像中的噪声。我们在之前的章节中已经见过这个了。

2. 查找图像的强度梯度

   然后使用 Sobel 内核对平滑后的图像进行水平和垂直方向的滤波，以获得水平方向（\(G_x\)) 和垂直方向（\(G_y\)) 的一阶导数。从这两个图像中，我们可以找到每个像素的边缘梯度和方向，如下所示

\[ Edge\_Gradient \; (G) = \sqrt{G_x^2 + G_y^2} \\ Angle \; (\theta) = \tan^{-1} \bigg(\frac{G_y}{G_x}\bigg) \]

梯度方向始终垂直于边缘。它被四舍五入为代表垂直、水平和两个对角方向的四个角度之一。

1. 非极大值抑制

   在获得梯度幅度和方向后，对图像进行全扫描以去除可能不构成边缘的任何不需要的像素。为此，在每个像素处，检查像素在其邻域中是否为梯度方向上的局部最大值。检查下面的图片

图像

点 A 位于边缘（在垂直方向）。梯度方向垂直于边缘。点 B 和 C 位于梯度方向上。因此，检查点 A 与点 B 和 C，以查看它是否形成了局部最大值。如果是，则将其考虑用于下一阶段，否则，将其抑制（设置为零）。

简而言之，您得到的结果是一个具有“细边缘”的二值图像。

1. 滞后阈值

   此阶段决定哪些边缘是真正的边缘，哪些不是边缘。为此，我们需要两个阈值，minVal 和 maxVal。任何强度梯度大于 maxVal 的边缘肯定都是边缘，而那些低于 minVal 的边缘肯定是非边缘，因此被丢弃。位于这两个阈值之间的那些边缘根据它们的连通性被分类为边缘或非边缘。如果它们连接到“确定边缘”像素，则它们被认为是边缘的一部分。否则，它们也会被丢弃。请参见下图

图像

边缘 A 高于 maxVal，因此被视为“确定边缘”。虽然边缘 C 低于 maxVal，但它连接到边缘 A，因此也被视为有效边缘，我们得到了整个曲线。但边缘 B，虽然它高于 minVal 并且位于与边缘 C 相同的区域，但它没有连接到任何“确定边缘”，因此被丢弃。因此，选择合适的 minVal 和 maxVal 以获得正确的结果非常重要。

此阶段还在假设边缘是长线的前提下，去除了小的像素噪声。

因此，我们最终得到的图像中是强边缘。

OpenCV 中的 Canny 边缘检测

我们使用以下函数：cv.Canny(image, edges, threshold1, threshold2, apertureSize = 3, L2gradient = false)

参数

图像	8 位输入图像。
edges	输出边缘图；单通道 8 位图像，其大小与图像相同。
threshold1	滞后过程的第一个阈值。
threshold2	滞后过程的第二个阈值。
apertureSize	Sobel 算子的孔径大小。
L2gradient	指定用于查找梯度幅度的方程。如果为 True，则使用上面提到的方程，该方程更准确，否则使用以下函数：\(Edge\_Gradient \; (G) = |G_x| + |G_y|\)。

尝试一下