opencv学习笔记--Canny边缘检测



声明:虽然肯定没人看,但是我要说明,里面的内容都是我从官方文档上抄的,仅作为个人复习之用,并非原创



原理:

  1. Canny 边缘检测算法 是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法,也被很多人认为是边缘检测的 最优算法, 最优边缘检测的三个主要评价标准是:
  • 低错误率: 标识出尽可能多的实际边缘,同时尽可能的减少噪声产生的误报。
  • 高定位性: 标识出的边缘要与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。


步骤¶

  1. 消除噪声。 使用高斯平滑滤波器卷积降噪。 下面显示了一个 size = 5 的高斯内核示例:

    K = \dfrac{1}{159}\begin{bmatrix}          2 & 4 & 5 & 4 & 2 \\          4 & 9 & 12 & 9 & 4 \\          5 & 12 & 15 & 12 & 5 \\          4 & 9 & 12 & 9 & 4 \\          2 & 4 & 5 & 4 & 2                  \end{bmatrix}

  2. 计算梯度幅值和方向。 此处,按照Sobel滤波器的步骤:

    1. 运用一对卷积阵列 (分别作用于 x 和 y 方向):

      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. 使用下列公式计算梯度幅值和方向:

      \begin{array}{l}G = \sqrt{ G_{x}^{2} + G_{y}^{2} } \\\theta = \arctan(\dfrac{ G_{y} }{ G_{x} })\end{array}

      梯度方向近似到四个可能角度之一(一般 0, 45, 90, 135)

  3. 非极大值 抑制。 这一步排除非边缘像素, 仅仅保留了一些细线条(候选边缘)。

  4. 滞后阈值: 最后一步,Canny 使用了滞后阈值,滞后阈值需要两个阈值(高阈值和低阈值):

    1. 如果某一像素位置的幅值超过  阈值, 该像素被保留为边缘像素。
    2. 如果某一像素位置的幅值小于  阈值, 该像素被排除。
    3. 如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于  阈值的像素时被保留。

    Canny 推荐的 : 阈值比在 2:1 到3:1之间。

  5. 想要了解更多细节,你可以参考任何你喜欢的计算机视觉书籍。



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

image:原图灰度图
edges: 输出边缘 可输出到原图中
threshold1 :低阈值
threshold2: 高阈值 一般为低阈值的二到三倍
apertureSize: 内核大小
L2gradient: 没找到干什么用的 以后要是用到的话再去官网看文档吧

你可能感兴趣的:(opencv)