opencv中Canny边缘检测算法

迷南。 2022-12-30 13:43 248阅读 0赞

# Canny算子 #

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 theory ofedge 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:

*  *好的检测* \- 算法能够尽可能多地标识出图像中的实际边缘。
 *  *好的定位* \- 标识出的边缘要与实际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][Link 1]，这是一种寻找满足特定功能的[函数][Link 2]的方法。最优检测使用四个[指数函数][Link 3]项的和表示，但是它非常近似于[高斯函数][Link 4]的一阶[导数][Link 5]。

# Canny算法的步骤 #

## 1.消除噪声 ##

任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作[卷积][Link 6]，得到的图像与原始图像相比有些轻微的模糊（[blurred][]）。这样，单独的一个像素噪声在经过[高斯平滑][Link 7]的图像上变得几乎没有影响。高斯滤波主要使图像变得平滑（模糊），同时也有可能增大了边缘的宽度。

## 2.寻找图像中的亮度梯度 **（ 计算梯度值和梯度方向）** ##

图像中的边缘可能会指向不同的方向，所以Canny算法使用4个mask检测水平、垂直以及对角线方向的边缘。原始图像与每个mask所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点[亮度梯度][Link 8]图以及[亮度梯度][Link 8]的方向。

## **3. 过滤非最大值** ##

在高斯滤波过程中，边缘有可能被放大了。这个步骤使用一个规则来过滤不是边缘的点，使边缘的宽度尽可能为1个像素点：如果一个像素点属于边缘，那么这个像素点在梯度方向上的梯度值是最大的。否则不是边缘，将灰度值设为0。

![20201225193819398.png][]

**4. 使用上下阀值来检测边缘**

一般情况下，使用一个阀值来检测边缘，但是这样做未免太武断了。如果能够使用启发式的方法确定一个上阀值和下阀值，位于下阀值之上的都可以作为边缘，这样就可能提高准确度。

它的步骤是这样的。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70][]

它设置两个阀值（threshold），分别为maxVal和minVal。其中大于maxVal的都被检测为边缘，而低于minval的都被检测为非边缘。对于中间的像素点，如果与确定为边缘的像素点邻接，则判定为边缘；否则为非边缘。

**Canny算法包含许多可以调整的参数，它们将影响到算法的计算时间与实效。**

*  [高斯滤波器][Link 9]的大小：第一步所用的平滑滤波器将会直接影响Canny算法的结果。较小的滤波器产生的模糊效果也较少，这样就可以检测较小、变化明显的细线。较大的滤波器产生的模糊效果也较多，将较大的一块图像区域涂成一个特定点的颜色值。这样带来的结果就是对于检测较大、平滑的边缘更加有用，例如彩虹的边缘。
 *  [阈值][Link 10]：使用两个阈值比使用一个阈值更加灵活，但是它还是有阈值存在的共性问题。设置的阈值过高，可能会漏掉重要信息；阈值过低，将会把枝节信息看得很重要。很难给出一个适用于所有图像的通用阈值。目前还没有一个经过验证的实现方法。

**对于Canny函数的使用，推荐的高低阈值比在2:1到3:1之间。**

# OpenCV中Canny函数详解 #

函数原型：

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

> @brief Finds edges in an image using the Canny algorithm
> 
> The function finds edges in the input image and marks them in the output map edges using the  
> Canny algorithm. The smallest value between threshold1 and threshold2 is used for edge linking. The  
> largest value is used to find initial segments of strong edges. See  
> <http://en.wikipedia.org/wiki/Canny\_edge\_detector>
> 
> @param image 8-bit input image.  
> @param edges output edge map; single channels 8-bit image, which has the same size as image .  
> @param threshold1 first threshold for the hysteresis procedure.  
> @param threshold2 second threshold for the hysteresis procedure.  
> @param apertureSize aperture size for the Sobel operator.  
> @param L2gradient a flag, indicating whether a more accurate ![\\f$L\_2\\f$ norm \\f$=\\sqrt\{(dI/dx)^2 + (dI/dy)^2\}\\f$][f_L_2_f_ norm _f_sqrt_dI_dx_2 _ _dI_dy_2_f] should be used to calculate the image gradient magnitude (  
> L2gradient=true ), or whether the default \\f$L\_1\\f$ norm \\f$=|dI/dx|+|dI/dy|\\f$ is enough (  
> L2gradient=false ).  
> \*/  
> CV\_EXPORTS\_W void Canny( InputArray image, OutputArray edges,  
> double threshold1, double threshold2,  
> int apertureSize = 3, bool L2gradient = false );
> 
>  *  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。
>  *  第五个参数，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2两者的小者用于边缘连接，而大者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。
> 
> /\*\* \\overload重载
> 
> Finds edges in an image using the Canny algorithm with custom image gradient.
> 
> @param dx 16-bit x derivative of input image (CV\_16SC1 or CV\_16SC3).  
> @param dy 16-bit y derivative of input image (same type as dx).  
> @param edges output edge map; single channels 8-bit image, which has the same size as image .  
> @param threshold1 first threshold for the hysteresis procedure.  
> @param threshold2 second threshold for the hysteresis procedure.  
> @param L2gradient a flag, indicating whether a more accurate ![\\f$L\_2\\f$ norm \\f$=\\sqrt\{(dI/dx)^2 + (dI/dy)^2\}\\f$][f_L_2_f_ norm _f_sqrt_dI_dx_2 _ _dI_dy_2_f]should be used to calculate the image gradient magnitude (  
> L2gradient=true ), or whether the default![\\f$L\_1\\f$ norm \\f$=|dI/dx|+|dI/dy|\\f$][f_L_1_f_ norm _f_dI_dx_dI_dy_f]is enough (L2gradient=false ).  
> \*/  
> CV\_EXPORTS\_W void Canny( InputArray dx, InputArray dy,  
> OutputArray edges,  
> double threshold1, double threshold2,  
> bool L2gradient = false );

//-----------------------------------【头文件包含部分】---------------------------------------
    //            描述：包含程序所依赖的头文件
    //----------------------------------------------------------------------------------------------
    #include <opencv2/opencv.hpp>
    #include<opencv2/highgui/highgui.hpp>
    #include<opencv2/imgproc/imgproc.hpp>
    
    //-----------------------------------【命名空间声明部分】---------------------------------------
    //            描述：包含程序所使用的命名空间
    //-----------------------------------------------------------------------------------------------
    using namespace cv;
    //-----------------------------------【main( )函数】--------------------------------------------
    //            描述：控制台应用程序的入口函数，我们的程序从这里开始
    //-----------------------------------------------------------------------------------------------
    int main()
    {
    	//载入原始图  
    	Mat src = imread("5.jpg");  //工程目录下应该有一张名为1.jpg的素材图
    	Mat src1 = src.clone();
    
    	//显示原始图 
    	imshow("【原始图】Canny边缘检测", src);
    
    	//----------------------------------------------------------------------------------
    	//	一、最简单的canny用法，拿到原图后直接用。
    	//----------------------------------------------------------------------------------
    	cvtColor(src, src, COLOR_BGR2GRAY);
    	Canny(src, src, 150, 100, 3);
    	imshow("【效果图】Canny边缘检测", src);
    
    
    	//----------------------------------------------------------------------------------
    	//	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);
    
    	//【7】显示效果图 
    	imshow("【效果图】Canny边缘检测2", dst);
    
    
    	waitKey(0);
    
    	return 0;
    }

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70 1][]

参考文章：

[OpenCV边缘检测][OpenCV]

[Canny边缘检测算法原理及其VC实现详解(一)][Canny_VC]

[Link 1]: https://zh.wikipedia.org/wiki/%E5%8F%98%E5%88%86%E6%B3%95
[Link 2]: https://zh.wikipedia.org/wiki/%E5%87%BD%E6%95%B0
[Link 3]: https://zh.wikipedia.org/wiki/%E6%8C%87%E6%95%B0%E5%87%BD%E6%95%B0
[Link 4]: https://zh.wikipedia.org/wiki/%E9%AB%98%E6%96%AF%E5%87%BD%E6%95%B0
[Link 5]: https://zh.wikipedia.org/wiki/%E5%AF%BC%E6%95%B0
[Link 6]: https://zh.wikipedia.org/wiki/%E5%8D%B7%E7%A7%AF
[blurred]: https://zh.wikipedia.org/w/index.php?title=Blurring&action=edit&redlink=1
[Link 7]: https://zh.wikipedia.org/wiki/%E9%AB%98%E6%96%AF%E5%B9%B3%E6%BB%91
[Link 8]: https://zh.wikipedia.org/w/index.php?title=%E4%BA%AE%E5%BA%A6%E6%A2%AF%E5%BA%A6&action=edit&redlink=1
[20201225193819398.png]: /images/20221120/e117b154b5074571b07a1afc05c854b7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20201225193845507.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg=,size_16,color_FFFFFF,t_70
[Link 9]: https://zh.wikipedia.org/w/index.php?title=%E9%AB%98%E6%96%AF%E6%BB%A4%E6%B3%A2%E5%99%A8&action=edit&redlink=1
[Link 10]: https://zh.wikipedia.org/wiki/%E9%98%88%E5%80%BC
[f_L_2_f_ norm _f_sqrt_dI_dx_2 _ _dI_dy_2_f]: https://private.codecogs.com/gif.latex?%5Cf%24L_2%5Cf%24%20norm%20%5Cf%24%3D%5Csqrt%7B%28dI/dx%29%5E2%20&plus;%20%28dI/dy%29%5E2%7D%5Cf%24
[f_L_1_f_ norm _f_dI_dx_dI_dy_f]: https://private.codecogs.com/gif.latex?%5Cf%24L_1%5Cf%24%20norm%20%5Cf%24%3D%7CdI/dx%7C&plus;%7CdI/dy%7C%5Cf%24
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/2020122519574621.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg=,size_16,color_FFFFFF,t_70
[OpenCV]: https://blog.csdn.net/poem_qianmo/article/details/25560901
[Canny_VC]: https://blog.csdn.net/likezhaobin/article/details/6892176