【小林的OpenCV基礎課 10】Canny邊緣檢測

02-14

新しい年が近づいてくる，みなさんに新年をお祈りします。

預祝同學們新年大吉（吧(づ￣ 3￣)づ）

嗯，邊緣檢測，聽起來挺高大上的，感覺終於從之前的濾波和模糊中解脫出來了。

邊緣檢測，顧名思義，就是找出圖像中的各種邊緣（通常邊緣都是以曲線的形式呈現的），然後標出來。可是機器怎麼知道哪裡是邊緣呢？這就涉及到邊緣檢測的原理了。

這一話依舊分為三部分：

Canny邊緣檢測原理
對應的函數講解
Demo時間

Canny邊緣檢測原理

同學們可以先閱讀【小林的OpenCV基礎課番外】極簡邊緣運算元基礎知識來充充電。

Canny邊緣檢測的思想：

通過求導和求梯度確定所有的長得像「邊緣」的像素
去掉最不像「邊緣」的像素
區分強邊緣（保留）和弱邊緣（待定）

使用Canny邊緣檢測時對圖像的預處理：

使用高斯濾波器濾除雜訊（導數對雜訊肥腸敏感）

具體的實現步驟（即Canny演算法是如何找出邊緣的）：

使用邊緣運算元求出x和y方向的一階導數值 $G_{x}$ 和 $G_{y}$
計算梯度值 $G=sqrt{G_{x}^{2}+G_{y}^{2}}$ 和方向角 $heta=arctanfrac{G_{y}}{G_{x}}$
非極大值抑制，將局部最大值之外的所有梯度值抑製為0，消除雜散效應
雙閾值篩選強弱邊緣，a.如果邊緣像素的梯度值>高閾值，則將其標記為強邊緣像素；b.如果低閾值<邊緣像素的梯度值<高閾值，則將其標記為弱邊緣像素；c.如果邊緣像素的梯度值<低閾值，則會被抑制
確定弱邊緣像素的去留，若其鄰域內有強鄰域像素，則該弱邊緣像素會變成強邊緣像素

對兩個方向求導

Canny函數講解

edges=cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]])

edges：輸出的邊緣圖，需要和源圖片有一樣的尺寸和類型
image：待處理的圖像
thresh1和thresh2：分別為低閾值和高閾值，建議高低閾值之比為3:1到2:1之間
aptertureSize：應用Sobel運算元的孔徑大小，有默認值3
L2gradient：計算圖像梯度幅值的標識，有默認值false

Demo時間

有同學小的時候喜歡把手按在紙上，用筆描出手的輪廓。小林這裡有一隻手的照片，我們要做出這隻手的邊緣圖像：

沒錯還是那隻手

import cv2import numpy as npimg = cv2.imread(hand1.jpg)# 首先進行高斯濾波濾除干擾blurImg = cv2.GaussianBlur(img, (9, 9), 0)cannyImg = cv2.Canny(blurImg, 50, 130)cv2.namedWindow(Canny)cv2.namedWindow(Blur)cv2.imshow(Canny, cannyImg)cv2.imshow(Blur, blurImg)cv2.waitKey()cv2.destroyAllWindows()

效果圖

嗯作業！

1.請同學們使用一種簡單的方法將得到的邊緣圖像疊加到原圖上。提示：

邏輯運算
掩膜操作
邊緣圖的像素值，可以在控制台中列印出像素值
BGR空間是如何呈現顏色的

小林將邊緣做成了紅色

2.同學們會想，如果對閾值化後的圖像進行邊緣檢測會不會效果好一點？

試一試不就知道啦

這一話講解部分的Demo代碼和作業的Demo代碼已經同步至Github，分別對應Class 4 Image Processing文件夾下的C4 Canny.py和C4 HW Canny.py兩個文件。

最後的最後

如果喜歡小林的專欄，就收藏了吧！してください！