什么是 Canny 邊緣檢測算法？

一、簡介

Canny 邊緣檢測器是一種多步算法，用于檢測任何輸入圖像的邊緣。它涉及在檢測圖像邊緣時要遵循的以下步驟。

1. 使用高斯濾波器去除輸入圖像中的噪聲。

2.計算高斯濾波器的導(dǎo)數(shù)，計算圖像像素的梯度，得到沿x和y維度的幅度。

3. 考慮垂直于給定邊緣方向的任何曲線的一組鄰居，抑制非最大邊緣貢獻(xiàn)像素點。

4. 最后，使用滯后閾值方法保留高于梯度幅值的像素，忽略低于低閾值的像素。

在深入研究以下步驟之前，是推導(dǎo)出該算法的 JK Canny 得出的三個結(jié)論：

-良好的檢測：最佳檢測器必須消除出現(xiàn)誤報和漏報的可能性。

-良好的定位：檢測到的邊緣必須盡可能接近真實邊緣。

-單響應(yīng)約束：檢測器必須只為每個邊緣點返回一個點。

二、在Canny算法過程中需要遵循的步驟

降噪或圖像平滑：

在存在噪聲期間，像素可能與其相鄰像素不接近。這可能導(dǎo)致獲得不適當(dāng)或不適當(dāng)?shù)倪吘墮z測。為了避免同樣的情況，我們使用高斯濾波器，它與圖像卷積并去除噪聲，防止輸出圖像中出現(xiàn)所需的邊緣。

在下面的示例中，我們將高斯濾波器或核 g(x,y) 與圖像 I 進(jìn)行卷積。在這里，我們希望確保任何給定的像素必須與輸出中的相鄰像素相似，因此我們使用矩陣 [1 1 1] 保持像素之間的相似性并去除噪聲。

g(x,y)= 高斯分布

I = 輸入圖像

衍生品：

計算濾波器對 X 和 Y 維度的導(dǎo)數(shù)，并將其與 I 卷積以給出沿維度的梯度幅度。此外，可以使用兩個維度之間的角度的正切來計算圖像的方向。

上述卷積產(chǎn)生具有大小和方向的梯度向量。

下面是一個高斯導(dǎo)數(shù)的例子，它最終有助于輸出圖像中的邊緣。

三、非最大抑制

沿著邊緣，通常觀察到很少有點使邊緣的可見性更清晰。所以我們可以忽略那些對特征可見性貢獻(xiàn)不大的邊緣點。為了達(dá)到同樣的目的，我們使用非最大抑制方法。這里我們標(biāo)記邊緣曲線上幅度最大的點。這可以通過尋找最大值以及與曲線垂直的切片來獲得。

考慮下圖中的邊緣，它具有三個邊緣點。假設(shè)點 (x,y) 為具有最大邊緣梯度的點。檢查垂直于邊緣方向的邊緣點，并驗證它們的梯度是否小于 (x,y)。如果這些值小于 (x,y) 梯度，那么我們可以抑制曲線上的那些非最大值點。

四、滯后閾值

五、總結(jié)

如果一個像素的梯度是：

- 在“高”上方將其聲明為“邊緣像素”。

- 下面，“低”將其聲明為“非邊緣像素”。

- 在“低”和“高”之間。

迭代地考慮它的鄰居，如果它連接到“邊緣像素”或通過“低”和“高”之間的像素連接，則將其聲明為“邊緣像素”。

如果覺得有用，就請分享到朋友圈吧！