OpenCV Canny Detector

理论 ¶

Canny边缘检测是由John F. Canny在1986年开发的。许多人也将其称为最佳检测器，Canny算法旨在满足三个主要标准。

• 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雜訊不应标识为边缘。

步骤 ¶

1. 降噪：使用高斯滤波来达到，下面是一个大小为 $5$ 的高斯核的例子：

2. 找到图像的亮度梯度：为此，我们遵循一个类似于Sobel的程序：

   1. 应用一对卷积masks（在 $x$ 和 $y$ 方向上）：
   $$G_x = \begin{bmatrix} -1 & 0 & +1\\ -2 & 0 & +2\\ -1 & 0 & +1 \end{bmatrix}, G_y=\begin{bmatrix} -1 & -2 & -1\\ 0 & 0 & 0\\ +1 & +2 & +1 \end{bmatrix}$$
   2. 寻找梯度强度和方向：
   $$G=\sqrt{G_x^2+G_y^2}\\ \theta = \arctan(\frac{G_y}{G_x})$$

   方向被四舍五入为四个可能的角度之一（即 $0\degree$ 、 $45\degree$ 、 $90\degree$ 或 $135\degree$ ）。

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 $0$ 。

4. 滞后：这是最后一步，Canny确实使用了两个阈值（上限和下限）。
   1. 如果一个像素的梯度值高于上限阈值，则该像素被接受为边缘。
   2. 如果一个像素的梯度值低于下限阈值，那么它将被拒绝。
   3. 如果像素梯度在两个阈值之间，那么只有当它与高于上层阈值的像素相连时，才会被接受。 Canny建议上下限的比值在 $2:1$ 和 $3:1$ 之间。

Code ¶

代码链接

Explanation ¶

变量定义

Mat src, src_gray;
Mat dst, detected_edges;
int lowThreshold = 0;
const int max_lowThreshold = 100;
const int ratio = 3;
const int kernel_size = 3;
const char* window_name = "Edge Map";

• 我们建立了一个 $3:1$ 的下限:上限阈值的比值（用可变比值）。
• 我们设定内核大小为 $3$ （用于Canny函数内部进行的Sobel运算）
• 我们将下限阈值的最大值设定为 $100$ 。

加载图像

CommandLineParser parser( argc, argv, "{@input | fruits.jpg | input image}" );
src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR ); // Load an image
if( src.empty() )
{
  std::cout << "Could not open or find the image!\n" << std::endl;
  std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;
  return -1;
}

创建一个与src相同类型和大小的矩阵（dst）。

dst.create( src.size(), src.type() );

灰度化

cvtColor( src, src_gray, COLOR_BGR2GRAY );

创建一个窗口来显示结果

namedWindow( window_name, WINDOW_AUTOSIZE );

创建一个Trackbar，让用户为我们的Canny检测器输入低阈值

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

让我们一步一步地观察CannyThreshold函数

• 首先，我们用内核大小为 $3$ 的滤波器对图像进行模糊处理。

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

• 接着，我们应用OpenCV函数cv::Canny

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

  • detected_edges：源图像（灰度图）
  • detected_edges：输出图像（可与输入相同）
  • lowThreshold：用户移动Trackbar时输入的值
  • highThreshold：在程序中设置为lowThreshold的 $3$ 倍（按照Canny的建议）
  • kernel_size：我们将其定义为 $3$ （内部使用的Sobel内核的大小）。

我们用零来填充dst图像（意味着图像是完全黑色的）

dst = Scalar::all(0);

显示

最后，我们将使用函数cv::Mat::copyTo只映射图像中被识别为边缘的区域（在黑色背景上）。cv::Mat::copyTo将src图像复制到dst上。注意，它只会复制像素的非零值的位置。因为Canny检测器的输出是黑色背景上的边缘轮廓，所以除了检测到的边缘，生成的dst将是黑色的。

若没有这一步，那么我们得到的图像是边缘的灰度图

结果 ¶

References ¶

https://docs.opencv.org/4.5.5/da/d5c/tutorial_canny_detector.html