[OpenCV筆記] 8. Canny邊緣偵測

 

1.Canny邊緣偵測

1.1. 簡介

Canny邊緣檢測是一種使用多級邊緣檢測演算法偵測邊緣的方法。實作步驟如下：

1. 去除雜訊：因為雜訊會影響檢測的準確度，因此使用高斯濾波去除雜訊。
2. 計算梯度的幅度與方向。
3. 非極大值之抑制：最相關的像素留下，其他歸零。
4. 確定邊緣：利用雙設定值演算法進行。

1.2. 實作重點摘要

Canny演算法使用高斯濾波去除雜訊。濾波器越大，邊緣資訊對雜訊的敏感度越低，定位錯誤也會增加。

而非極大值之抑制，簡言之就是在計算過程中將與邊緣最相關的像素留下，其他像素值歸零。如下圖所示，A所在的地方離邊緣最近，計算出的相關數值也會最大，因此A會被保留，而B、C兩點都會被歸零。

source：OpenCV-Python Tutorials：Canny Edge Detection

最後，會透過設定maxVal和minVal兩個值來確定邊緣。可能情況有3種：

• 若邊緣像素值 >= maxVal，則標記為強邊緣。
• 若 minVal < 邊緣像素值 < maxVal，則標記為虛邊緣。接著判斷是否與強邊緣連接，若有則視為邊緣，若無，則將其抑制。
• 若邊緣像素值 <= minVal，則抑制目前邊緣像素(歸零)。

如下圖所示，Ｂ和Ｃ都是虛邊緣，Ｃ有與強邊緣Ａ相連結，所以會被保留。而Ｂ未與Ａ相連結，則會被捨棄。

source：OpenCV-Python Tutorials：Canny Edge Detection

1.3. 程式相關種點說明

img_edge = cv2.Canny(img, minVal, maxVal, apertureSize, L2gradient)

• img_edge為輸出影像。img為輸入影像。
• minVal, maxVal為設定值。
• apertureSize為Sobel大小，通常使用預設即可。
• L2gradient為計算梯度的範數，若設為True，則使用L2範數計算兩個方向導數的平方和再取平方根。預設為False，使用L1範數計算兩個方向導數之絕對值相加。

1.4. 輸出結果分析

我們可透過設定值和範數的不同來觀察輸出結果。

1.4.1. 設定值 (minVal, maxVal)

當設定值的值越小，輸出結果的細節會越多。在本例中，我們以 (32, 128) 和 (128, 200) 來比較。"img_canny_L1_low"參數為(32, 128) ，"img_canny_L1"參數為(128, 200)，從下圖來看，"img_canny_L1_low" 所保留的細節明顯高於 "img_canny_L1"。

<source：Greatway9999>

1.4.2. 範數 (L1、L2)

L2範數計算兩個方向導數的平方和再取平方根。L1範數計算兩個方向導數之絕對值相加。

使用L2範數計算，結果會更精確，因此，和L1範數計算結果相比，L2範數計算結果的細節相較少。右圖為L2輸出結果，其細節確實比中間圖片 (L1輸出結果) 少，特別是帽穗的部分。

<source：Greatway9999>

1.5. 完整程式

# Canny邊緣檢測

# 使用高斯濾波去除雜訊。濾波器越大，邊緣資訊對雜訊的敏感度越低，定位錯誤也會增加。

# 設定maxVal和minVal兩個值來確定邊緣。

# 若邊緣像素值 >= maxVal，則標記為強邊緣。

# 若 minVal < 邊緣像素值 < maxVal，則標記為虛邊緣。接著判斷是否與強邊緣連接，若有則視為邊緣，若無，則將其抑制。

# 若邊緣像素值 <= minVal，則抑制目前邊緣像素(歸零)。

import numpy as np

import cv2

img = cv2.imread('Lenna.jpg', cv2.IMREAD_GRAYSCALE)

#img_edge = cv2.Canny(img, minVal, maxVal, apertureSize, L2gradient)

# img_edge為輸出影像。img為輸入影像。

# minVal, maxVal為設定值。

# apertureSize為Sobel大小。

# L2gradient為計算梯度的範數，若設為True，則使用L2範數計算兩個方向導數的平方和再取平方根。預設為False，使用L1範數計算兩個方向導數之絕對值相加。

img_canny_L1 = cv2.Canny(img, 128, 200)

img_canny_L2 = cv2.Canny(img, 128, 200, L2gradient = True)

img_canny_L1_low = cv2.Canny(img, 32, 128)

cv2.imshow('img', img)

cv2.imshow('img_canny_L1',img_canny_L1)

cv2.imshow('img_canny_L2',img_canny_L2)

cv2.imshow('img_canny_L1_low',img_canny_L1_low)

cv2.waitKey()

cv2.destroyAllWindows()

#Canny邊緣偵測

---

參考資料：

• OpenCV-Python Tutorials：Canny Edge Detection