【笔记】Canny算法

lazerliu

已于 2022-09-26 15:44:25 修改

阅读量1.8k

点赞数

CC 4.0 BY-SA版权

分类专栏：数字图像处理文章标签：数字图像处理 Canny算法

于 2020-07-23 22:50:32 首次发布

本文链接：https://blog.csdn.net/csdn_zhishui/article/details/107526140

数字图像处理专栏收录该内容

2 篇文章

订阅专栏

原理

Canny算子用于边缘检测，图像的边缘是图像内容变化很快的高频部分。信号变化的快慢可以用梯度直观地表示，因此检测边缘，就是更好地寻找大梯度位置。

Canny算子

Canny算子是由John F. Canny 于 1986年开发出来的一个多级边缘检测算法，被认为是最好的边缘检测算法，在没有特殊要求的情况下，应为首选算法。
Canny同时提出了评估边缘检测算法的标准：

错误更少。检测出尽可能多的边缘，检测出的边缘尽可能都不是误报；
响应更少。图中的边缘只响应一次。
定位更准。检测出的边缘尽可能靠近图像的真实边缘；

Canny算子设计时同样遵循这3条规则，分为4个步骤：

高斯模糊去噪；
计算梯度幅值、方向
非极大值抑制，去除边缘杂散响应，得到候选边缘
迟滞阈值，确定强响应边缘和弱响应边缘，从若相应边缘提取强响应边缘。

模糊去噪

噪声与边缘一样，属于图像中的高频部分，使用高斯模糊、中值模糊等可以有效去除噪声。

计算梯度幅值和方向

这是边缘检测算法的核心与本质。求梯度时，对于连续信号使用求导，对于图像等离散信号使用差分（Sobel算子、Laplace算子等）。此处选用可以生成更粗大明亮边缘的Sobel算子作为示例。

a.选定Sobel算子；
$Sx=[−10+1−20+2−10+1]，Sy=[−1−2−1000+12+1]S_x=\left[ \begin{matrix} -1 & 0 & +1 \\ -2 & 0 & +2 \\ -1 & 0 & +1 \end{matrix} \right]，S_y=\left[ \begin{matrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ +1 & 2 & +1 \end{matrix} \right]$
b.将 $S_x，S_y$ 分别卷积图片 $I$ ，得到图像在 $x, y$ 轴方向的梯度值 $G_x,G_y$
$G_x=S_x*I,G_y=S_y*I$
c.得到图像的梯度值和方向，并将 $θ\theta$ 近似到[0,45,90,135]是个方向，这四个方向可以确定8个方向（正方向+负方向）。
$G=Gx2+Gy2G=\sqrt{G_x^2+G_y^2}$
$θ=arctan(Gy/Gx)\theta=arctan(G_y/G_x)$

NMS

直接得到的边缘过于粗糙，包含较多边缘邻近假响应和杂散响应。NMS排除一些非边缘像素，保留一些细线条（候选边缘）。
Canny中执行NMS时，对于某个像素点位置，找到该点梯度正、负各自方向上最近的一个点，比较这三个点的梯度幅值，如果该点的梯度幅值大于其余两个，则保留该点为候选边缘点，否则抑制-剔除，伪代码如下：
在这里插入图片描述

迟滞阈值

使用高低两个阈值 $t_h,t_l$ ，如果某点的梯度幅值大于 $t_h$ ,则它是强响应边缘-真实边缘像素，如果小于 $t_l$ ，则它非边缘，如果介于 $t_h$ 与 $t_l$ 之间，则它为弱响应边缘；
对于每个弱响应边缘，如果它的8邻域内有一个像素点是强响应边缘，则它是强响应，否则它是非边缘。

参考

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/canny_detector/canny_detector.html
https://www.cnblogs.com/techyan1990/p/7291771.html
https://www.cnblogs.com/mightycode/p/6394810.html