目標

• 使用OpenCV函式cv :: Canny來實現Canny Edge Detector。

理論

該Canny邊緣檢測是由約翰·F·坎尼在1986年也知道很多的開發最佳的檢測，坎尼演算法旨在滿足三個主要標準：

• 低錯誤率：意味著只有現有邊緣的良好檢測。
• 良好的定位：檢測到的邊緣畫素與實際邊緣畫素之間的距離必須最小化。
• 最小響應：每個邊緣只有一個檢測器響應。

步驟

• 濾除任何噪音。高斯濾波器用於此目的。可能使用的的高斯核心的示例如下所示：size=5

• 找到影象的強度梯度。為此，我們遵循類似於Sobel的程式：

應用一對卷積面罩 (在 x 和 y directions:

查詢梯度強度和方向：

方向四捨五入為四個可能的角度之一（即0,45,90或135）

• 應用非最大抑制。這將刪除不被認為是邊緣的一部分的畫素。因此，只有細線（候選邊）將保留。
• 滯後：最後一步。Canny確實使用兩個閾值（上限和下限）：

1. 如果畫素梯度高於上限閾值，則畫素被接受為邊緣
2. 如果畫素梯度值低於較低閾值，則會被拒絕。
3. 如果畫素梯度在兩個閾值之間，那麼只有當它連線到高於上限閾值的畫素時才被接受。

Canny推薦上限：2：1和3：1之間的較低比例。

• 有關更多詳細資訊，您可以隨時諮詢您最喜愛的Computer Vision書籍。

Code

• 這個程式是做什麼的？

1. 要求使用者輸入數值以設定我們的Canny Edge Detector的下限（通過Trackbar）。
2. 應用Canny Detector並生成一個蒙版（亮線表示黑色背景上的邊緣）。
3. 應用在原始影象上獲得的蒙版，並將其顯示在視窗中。

• 程式碼如下：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
Mat src, gray_src, dst;
int t1_value = 50;
int max_value = 255;
const char* OUTPUT_TITLE = "Canny Result";
void Canny_Demo(int, void*);
int main(int argc, char** argv) {
	src = imread("C:/usr/opencv-test/Testpictures/sight.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}

	char INPUT_TITLE[] = "input image";
	namedWindow(INPUT_TITLE, CV_WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_TITLE, CV_WINDOW_AUTOSIZE);
	imshow(INPUT_TITLE, src);

	cvtColor(src, gray_src, CV_BGR2GRAY);
	createTrackbar("Threshold Value:", OUTPUT_TITLE, &t1_value, max_value, Canny_Demo);
	Canny_Demo(0, 0);

	waitKey(0);
	return 0;
}

void Canny_Demo(int, void*) {
	Mat edge_output;
	blur(gray_src, gray_src, Size(3, 3), Point(-1, -1), BORDER_DEFAULT);
	Canny(gray_src, edge_output, t1_value, t1_value * 3, 3, false);//false表用L1，即G(s) = |G(x)|+|G(y)|

	dst.create(src.size(), src.type());
	src.copyTo(dst, edge_output);
	// (edge_output, edge_output);
	imshow(OUTPUT_TITLE, edge_output);
}
 

說明

請注意以下事項：

1. 我們建立一個較低的上限閾值3：1（與可變比率）的比率。
2. 我們設定核心大小為（Sobel操作由Canny函式內部執行）。3
3. 我們為的下限閾值設定最大值。100

• 載入源影象：

• 建立一個相同型別和大小的src（為dst）的矩陣：

  cvtColor（src，src_gray，COLOR_BGR2GRAY）;

• 建立一個視窗來顯示結果：

• 建立一個跟蹤欄，供使用者輸入Canny檢測器的下限：

createTrackbar("Threshold Value:", OUTPUT_TITLE, &t1_value, max_value, Canny_Demo);

觀察以下內容：

1. Trackbar要控制的變數是lowThreshold，最大值為max_lowThreshold（我們先前設定為100）
2. 每次Trackbar註冊一個動作時，將呼叫回撥函式CannyThreshold。

• 讓我們檢查CannyThreshold函式，一步一步：

1. 首先，我們用核心大小為3的過濾器模糊影象：    

1. blur(gray_src, gray_src, Size(3, 3), Point(-1, -1), BORDER_DEFAULT);

2. 然後，我們應用OpenCV函式cv :: Canny：

   Canny(gray_src, edge_output, t1_value, t1_value * 3, 3, false);

其中的解釋：

• • detected_edges：源影象，灰度
  • detected_edges：檢測器的輸出（可以與輸入相同）
  • lowThreshold：使用者移動軌跡欄輸入的值
  • highThreshold：在程式中設定為下限閾值的三倍（在Canny的建議之後）
  • kernel_size：我們將它定義為3（要在內部使用的Sobel核心的大小）

結果

• 在編譯上面的程式碼之後，我們可以執行它作為引數作為影象的路徑。例如，使用以下影象作為輸入：

• 移動滑塊，嘗試不同的閾值，我們得到以下結果：

• 注意影象如何與邊緣區域上的黑色背景疊加。