OpenCV（cv::Canny()）

做梦当财神發表於2024-11-21
OpenCV

目錄
  • 1. 函式定義
  • 2. 工作原理
  • 3. 示例程式碼
  • 4. 實際應用
  • 5. 注意事項
  • 6. 輸出結果示例



cv::Canny() 是 OpenCV 中用於邊緣檢測的函式，基於 John F. Canny 於 1986 年提出的經典 Canny 邊緣檢測演算法。它是一種多階段邊緣檢測方法，能夠有效檢測出影像中的邊緣，同時減少噪聲和虛假邊緣。



1. 函式定義

void cv::Canny(
    InputArray image,         // 輸入影像（單通道，通常是灰度圖）
    OutputArray edges,        // 輸出影像，邊緣檢測結果
    double threshold1,        // 第一閾值，用於低閾值過濾
    double threshold2,        // 第二閾值，用於高閾值過濾
    int apertureSize = 3,     // Sobel 運算元核心大小，預設值為 3，必須為奇數
    bool L2gradient = false   // 是否使用更精確的 L2 範數計算梯度幅值，預設為 false（使用 L1 範數）
);

引數：

  1. image：輸入的單通道影像（通常是灰度圖）。如果輸入的是彩色影像，需要先轉換為灰度圖（例如使用 cv::cvtColor()）。

  2. edges：輸出的單通道影像，表示檢測到的邊緣。邊緣的畫素值是 0 或 255（非邊緣為 0，邊緣為 255）。

  3. threshold1 和 threshold2

    • threshold1 是低閾值，用於非最大值抑制。
    • threshold2 是高閾值，用於邊緣連線。
    • 典型設定是 threshold1 較小，threshold2 較大（比如 50 和 150）。邊緣畫素梯度值高於 threshold2 的點被認為是“強邊緣”，低於 threshold1 的點被忽略，介於兩者之間的點只有與強邊緣連線時才被保留。

  4. apertureSize ：Sobel 運算元核心的大小，用於計算影像梯度，必須是奇數且大於等於 3（如 3, 5, 7）。預設值為 3。

  5. L2gradient

    • 如果為 true，梯度幅值使用 L2 範數（即 \(\sqrt{(G_x)^2 + (G_y)^2}\)）。
    • 如果為 false，梯度幅值使用 L1 範數（即 \(|G_x| + |G_y|\)）。
    • L2 範數計算更精確，但也更耗時。


2. 工作原理

Canny 邊緣檢測主要包含以下步驟：

  1. 高斯平滑：對輸入影像進行高斯濾波，減少噪聲對邊緣檢測的影響。

  2. 計算梯度：使用 Sobel 運算元計算影像在水平方向 (\(G_x\)) 和垂直方向 (\(G_y\)) 的梯度，並透過梯度幅值和方向：

    \[G = \sqrt{G_x^2 + G_y^2} \quad \text{或} \quad G = |G_x| + |G_y| \]

    \[\theta = \arctan\left(\frac{G_y}{G_x}\right) \]

  3. 非最大值抑制 (NMS)：對梯度幅值影像進行細化，僅保留區域性梯度幅值最大的畫素點。

  4. 雙閾值檢測：使用 threshold1 和 threshold2 將畫素分類為：

    • 強邊緣：大於 threshold2。
    • 弱邊緣：介於 threshold1 和 threshold2 之間。
    • 非邊緣：小於 threshold1。

  5. 邊緣跟蹤：從強邊緣出發，連線與之相鄰的弱邊緣，形成完整邊緣。



3. 示例程式碼

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

int main() {
    // 讀取影像並轉換為灰度圖
    cv::Mat src = cv::imread("example.jpg", cv::IMREAD_GRAYSCALE);
    if (src.empty()) {
        std::cerr << "Image not found!" << std::endl;
        return -1;
    }

    // 輸出邊緣影像
    cv::Mat edges;

    // 應用 Canny 邊緣檢測
    double lowThreshold = 50;
    double highThreshold = 150;
    int kernelSize = 3;

    cv::Canny(src, edges, lowThreshold, highThreshold, kernelSize, true);

    // 顯示結果
    cv::imshow("Original Image", src);
    cv::imshow("Canny Edges", edges);
    cv::waitKey(0);

    return 0;
}


4. 實際應用

  1. 特徵提取：邊緣檢測通常是許多計算機視覺任務的第一步，比如目標檢測、影像分割和物體識別。

  2. 輪廓檢測：使用 cv::Canny() 檢測邊緣後，可以結合 cv::findContours() 提取影像中的輪廓。

  3. 影像匹配：邊緣檢測結果可以作為影像配準、影像拼接等任務的特徵。



5. 注意事項

  1. 噪聲敏感性：如果輸入影像噪聲較多，應先應用高斯濾波或雙邊濾波去噪，否則可能導致虛假邊緣。

  2. 閾值選擇：threshold1 和 threshold2 的選擇會顯著影響結果，可透過實驗調整，也可以結合 Otsu 方法自動計算閾值。

  3. 單通道輸入：cv::Canny() 只能處理單通道影像，需預處理為灰度圖。



6. 輸出結果示例

如果輸入影像是自然影像（例如風景圖），cv::Canny() 輸出會是邊緣線條清晰的二值影像。透過合理調整閾值，可以控制邊緣的密集程度。



相關文章