OpenCV Canny边缘检测器

目标

在本教程中，您将学习如何：

• 使用OpenCV函数cv :: Canny来实现Canny Edge Detector。

理论

该Canny边缘检测是由约翰·F·坎尼在1986年也知道很多的开发最佳的检测，坎尼算法旨在满足三个主要标准：

• 低错误率：意味着只有现有边缘的良好检测。
• 良好的定位：检测到的边缘像素与实际边缘像素之间的距离必须最小化。
• 最小响应：每个边缘只有一个检测器响应。

步骤

• 滤除任何噪音。高斯滤波器用于此目的。可能使用的的高斯内核的示例如下所示：size=5
  

• 找到图像的强度梯度。为此，我们遵循类似于Sobel的程序：
  

应用一对卷积面罩 (在 x 和 y directions:

查找梯度强度和方向：

方向四舍五入为四个可能的角度之一（即0,45,90或135）

• 应用非最大抑制。这将删除不被认为是边缘的一部分的像素。因此，只有细线（候选边）将保留。
• 滞后：最后一步。Canny确实使用两个阈值（上限和下限）：

1. 如果像素梯度高于上限阈值，则像素被接受为边缘
2. 如果像素梯度值低于较低阈值，则会被拒绝。
3. 如果像素梯度在两个阈值之间，那么只有当它连接到高于上限阈值的像素时才被接受。

Canny推荐上限：2：1和3：1之间的较低比例。

• 有关更多详细信息，您可以随时咨询您最喜爱的Computer Vision书籍。
  

Code

• 这个程序是做什么的？
  

1. 要求用户输入数值以设置我们的Canny Edge Detector的下限（通过Trackbar）。
2. 应用Canny Detector并生成一个蒙版（亮线表示黑色背景上的边缘）。
3. 应用在原始图像上获得的蒙版，并将其显示在窗口中。

• 教程代码如下所示。您也可以从这里下载
  

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace cv;
Mat src, src_gray;
Mat dst, detected_edges;
int edgeThresh = 1;
int lowThreshold;
int const max_lowThreshold = 100;
int ratio = 3;
int kernel_size = 3;
const char* window_name = "Edge Map";
static void CannyThreshold(int, void*)
{
    blur( src_gray, detected_edges, Size(3,3) );
    Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );
    dst = Scalar::all(0);
    src.copyTo( dst, detected_edges);
    imshow( window_name, dst );
}
int main( int, char** argv )
{
  src = imread( argv[1], IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }
  dst.create( src.size(), src.type() );
  cvtColor( src, src_gray, COLOR_BGR2GRAY );
  namedWindow( window_name, WINDOW_AUTOSIZE );
  createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );
  CannyThreshold(0, 0);
  waitKey(0);
  return 0;
}

说明

• 创建一些必需的变量：
  

Mat src, src_gray;
Mat dst, detected_edges;
int edgeThresh = 1;
int lowThreshold;
int const max_lowThreshold = 100;
int ratio = 3;
int kernel_size = 3;
const char* window_name = "Edge Map";

请注意以下事项：

1. 我们建立一个较低的上限阈值3：1（与可变比率）的比率。
2. 我们设置内核大小为（Sobel操作由Canny函数内部执行）。3
3. 我们为的下限阈值设置最大值。100

• 加载源图像：
  

  src = imread( argv[1], IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }

• 创建一个相同类型和大小的src（为dst）的矩阵：
  

  dst.create（src.size（），src.type（））;

• 将图像转换为灰度级（使用函数cv :: cvtColor）：
  

  cvtColor（src，src_gray，COLOR_BGR2GRAY）;

• 创建一个窗口来显示结果：
  

  namedWindow（window_name，WINDOW_AUTOSIZE）;

• 创建一个跟踪栏，供用户输入Canny检测器的下限：
  

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

观察以下内容：

1. Trackbar要控制的变量是lowThreshold，最大值为max_lowThreshold（我们先前设置为100）
2. 每次Trackbar注册一个动作时，将调用回调函数CannyThreshold。

• 让我们检查CannyThreshold函数，一步一步：
  

1. 首先，我们用内核大小为3的过滤器模糊图像：    

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

2. 然后，我们应用OpenCV函数cv :: Canny：

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

其中的解释：

• • detected_edges：源图像，灰度
  • detected_edges：检测器的输出（可以与输入相同）
  • lowThreshold：用户移动轨迹栏输入的值
  • highThreshold：在程序中设置为下限阈值的三倍（在Canny的建议之后）
  • kernel_size：我们将它定义为3（要在内部使用的Sobel内核的大小）
• 我们用零填充dst图像（意味着图像是完全黑色的）。

    dst = Scalar :: all（0）;

• 最后，我们将使用函数cv :: Mat :: copyTo仅映射被识别为边缘的图像的区域（在黑色背景上）。cv :: Mat :: copy将src映像复制到dst上。但是，它只会复制它们具有非零值的位置中的像素。由于Canny检测器的输出是黑色背景上的边缘轮廓，因此所得到的dst在所有区域都将为黑色，但检测到的边缘为黑色。

•     src.copyTo（dst，detected_edges）;
  

• 我们显示结果：

    imshow（window_name，dst）;

结果

• 在编译上面的代码之后，我们可以运行它作为参数作为图像的路径。例如，使用以下图像作为输入：

• 移动滑块，尝试不同的阈值，我们得到以下结果：
  

• 注意图像如何与边缘区域上的黑色背景叠加。