Canny边缘检测的步骤包括哪些,具体怎样�

Admin 2022-08-13 群英技术资�

这篇文章主要讲解了“Canny边缘检测的步骤包括哪些,具体怎样做”,文中的讲解内容简单、清晰、详细,对大家学习或是工作可能会有一定的帮助,希望大家阅读完这篇文章能有所收获。下面就请大家跟着小编的思路一起来学习一下吧�


Canny边缘检�

Canny边缘检测是一种使用多级边缘检测算法检测边缘的方法�

OpenCV提供了函数cv2.Canny()实现Canny边缘检测�

Canny边缘检测基础

Canny边缘检测分为如下几个步骤:

  • 去噪。噪声会影响边缘检测的准确性,因此首先要将噪声过滤掉�
  • 计算梯度的幅度与方向
  • 非极大值抑�,即适当地让边缘“变瘦�
  • 确定边缘�使用双阈值算�确定最终的边缘信息

高斯滤波去除图像噪声

图像边缘非常容易受到噪声的干扰,因此为了避免检测到错误的边缘信息,通常需要对图像进行滤波以去除噪声�

滤波的目的是平滑一些纹理较弱的非边缘区域,以便得到更准确的边缘。在实际处理过程中,通常采用高斯滤波去除图像中的噪声。在滤波过程中,通过滤波器对像素点周围的像素计算加权平均值,获取最终滤波结果。对于高斯滤波器,越临近betway88w的点,权值越大�

滤波器的大小也是可变的,高斯核的大小对于边缘检测的效果具有很重要的作用。滤波器的核越大,边缘信息对于噪声的敏感度就越低。不过,核越大,边缘检测的定位错误也会随之增加。通常来说�一�5×5的核能够满足大多数的情况

计算梯度

关注梯度的方向,梯度的方向与边缘的方向是垂直的�

边缘检测算子返回水平方向的Gx和垂直方向的Gy�

梯度的幅度G和方向Θ(用角度值表示)为:

atan2(·)表示具有两个参数的arctan函数�

梯度的方向总是与边缘垂直的,通常就近取值为水平(左、右)、垂直(上、下)、对角线(右上、左上、左下、右下)�8个不同的方向�

在计算梯度时,我们会得到梯度的幅度和角度(代表梯度的方向)两个值�

梯度的表示法: 其中,每一个梯度包�幅度和角�两个不同的值。为了方便观察,这里使用了可视化表示方法�

左上角顶点的值�2↑”实际上表示的是一个二元数对�(2, 90)”,表示梯度的幅度为2,角度为90°�

非极大值抑�

在获得了梯度的幅度和方向后,遍历图像中的像素点,去除所有非边缘的点�

在具体实现时,逐一遍历像素点,判断当前像素点是否是周围像素点中具有相同梯度方向的最大�,并根据判断结果决定是否抑制该点�

通过以上描述可知,该步骤是边缘细化的过程。针对每一个像素点�

  • 如果该点��/负梯度方�上的局部最大值,则保留该点�
  • 如果不是,则抑制该点(归零)�

(梯度方向垂直于边缘�

“正/负梯度方向上”是指相反方向的梯度方向�

对于同一个方向的若干个边缘点,基本上仅保留了一个,因此实现了边缘细化的目的�

应用双阈值确定边�

完成上述步骤后,图像内的强边缘已经在当前获取的边缘图像内。但是,一些虚边缘可能也在边缘图像内�

这些虚边缘可能是真实图像产生的,也可能是由于噪声所产生的。对于后者,必须将其剔除。设置两个阈值,其中一个为高阈值maxVal,另一个为低阈值minVal。根据当前边缘像素的梯度值(指的是梯度幅度)与这两个阈值之间的关系,判断边缘的属性�

具体步骤为:

  • 如果当前边缘像素的梯度值大于或等于maxVal,则将当前边缘像素标记为强边缘�
  • 如果当前边缘像素的梯度值介于maxVal与minVal之间,则将当前边缘像素标记为虚边缘(需要保留)�
  • 如果当前边缘像素的梯度值小于或等于minVal,则抑制当前边缘像素�

在上述过程中,我们得到了虚边缘,需要对其做进一步处理。一般通过判断虚边缘与强边缘是否连�,来确定虚边缘到底属于哪种情况�

通常情况下,如果一个虚边缘�

  • 与强边缘连接,则将该边缘处理为边缘�
  • 与强边缘无连接,则该边缘为弱边缘,将其抑制�

高阈值maxVal和低阈值minVal不是固定�,需要针对不同的图像进行定义�

Canny函数及使�

OpenCV提供了函数cv2.Canny()来实现Canny边缘检测,其语法形式如下:

edges = cv.Canny( image, threshold1, threshold2[, apertureSize[, L2gradient]])

  • edges为计算得到的边缘图像�
  • image�8位输入图像�
  • threshold1表示处理过程中的第一个阈值�
  • threshold2表示处理过程中的第二个阈值�
  • apertureSize表示Sobel算子的孔径大小�
  • L2gradient为计算图像梯度幅度(gradient magnitude)的标识。其默认值为False。如果为True,则使用更精确的L2范数进行计算(即两个方向的导数的平方和再开方),否则使用L1范数(直接将两个方向导数的绝对值相加)�

**例子�**使用函数cv2.Canny()获取图像的边缘,并尝试使用不同大小的threshold1和threshold2,观察获取到的边缘有何不同�

import cv2
o=cv2.imread("./img/hand1.png", cv2.IMREAD_GRAYSCALE)
r1=cv2.Canny(o,128,200)
r2=cv2.Canny(o,32,128)
cv2.imshow("original", o)
cv2.imshow("result1", r1)
cv2.imshow("result2", r2)
cv2.waitKey()
cv2.destroyAllWindows()

当函数cv2.Canny()的参数threshold1和threshold2的值较小时,能够捕获更多的边缘信息�


关于“Canny边缘检测的步骤包括哪些,具体怎样做”就介绍到这了,如果大家觉得不错可以参考了解看看,如果想要了解更多,欢迎关注群英网络,小编每天都会为大家更新不同的知识�
标签� Canny边缘检�

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:[email protected]进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容�

猜你喜欢

成为群英会员,开启智能安全云计算之旅

立即注册
专业资深工程师驻�
7X24小时快速响�
一站式无忧技术支�
免费备案服务
免费拨打  400-678-4567
免费拨打  400-678-4567 免费拨打 400-678-4567 � 0668-2555555
在线客服
微信公众号
返回顶部
返回顶部 返回顶部