Canny边缘检测器

由John F. Canny在1986年开发。Canny算法也被称为最佳检测器(optimal detector)，旨在满足三个主要标准：

低错误率：意味着仅存在边缘的良好检测。
良好的定位：必须将检测到的边缘像素与实际边缘像素之间的距离最小化。
最小响应：每个边缘只有一个检测器响应。

原理

使用高斯滤波图像
找到图像的强度梯度。为此，我们遵循类似于Sobel的过程：

索贝尔 (Sobel) 算法理论
图像中所有像素其实也就是个二维的离散函数，那么我们将它求导会得到什么？
假设我们要检测图像中存在的边缘。例如：
可以轻松地注意到，在边缘处，像素强度以急速的方式变化。表达变化的好方法是使用导数。

假设我们有一个1D图像。像素值的迅速变化部分就是图像中的边缘。
求一阶导数：
假设要操作的图像是I
计算两个导数：
1. 横向变化：
  通过将I与奇数大小的内核𝐺_𝑥卷积来计算。例如，内核大小3，𝐺_𝑥计算为：
2. 纵向变化：
  通过将I与奇数大小的内核𝐺_𝑦卷积来计算。例如，内核大小3，𝐺_𝑦计算为：
在图像的每个点上，我们通过结合以上两个结果来计算该点的梯度近似值：
方向舍入为四个可能的角度之一(即0、45、90或135)。
应用非最大抑制。这将删除不视为边缘一部分的像素。因此，将仅保留细线(候选边缘)。

最后一步：迟滞。Canny使用两个阈值(Upper和Lower)：

					如果像素梯度高于上限阈值，则该像素被接受为边缘。

如果像素梯度值低于下阈值，则将其拒绝。

如果像素梯度在两个阈值之间，则仅当它连接到高于上限阈值的像素时才被接受。

Canny建议使用2:1到3:1的上/下比例。

例子

#include <opencv2/opencv.hpp>

using namespace cv; 

int th1 = 50, th2 = 50;

int main()
{
    // 从默认相机获取图像
    VideoCapture capture(0);

    namedWindow("paras",0);
    createTrackbar("th1", "paras", &th1, 500);
    createTrackbar("th2", "paras", &th2, 500);
    
    Mat frame, cannyImg;

    while(1)
    {
        capture >> frame;
        cvtColor(frame, frame, CV_BGR2GRAY);
        
        Canny(frame, cannyImg, th1, th2);
        imshow("frame", frame);
        imshow("cannyImg", cannyImg);
        
        if(waitKey(1) == 'q')
            break;
    }
    
    return 0;
}

Canny边缘检测器

原理

索贝尔 (Sobel) 算法理论

例子