目標

在本教程中，您將學習如何

使用 OpenCV 函式 cv::Canny 來實現 Canny 邊緣檢測器。

理論

Canny 邊緣檢測器 [49] 由 John F. Canny 於 1986 年開發。Canny 演算法也被許多人稱為最優檢測器，旨在滿足三個主要標準：

低錯誤率： 意味著只檢測到實際存在的邊緣。
良好的定位： 檢測到的邊緣畫素與真實邊緣畫素之間的距離必須最小化。
最小響應： 每條邊緣只有一個檢測器響應。

步驟

濾除噪聲。高斯濾波器用於此目的。下面顯示了一個可能使用的 \(size = 5\) 的高斯核示例：

\[K = \dfrac{1}{159}\begin{bmatrix} 2 & 4 & 5 & 4 & 2 \\ 4 & 9 & 12 & 9 & 4 \\ 5 & 12 & 15 & 12 & 5 \\ 4 & 9 & 12 & 9 & 4 \\ 2 & 4 & 5 & 4 & 2 \end{bmatrix}\]
找到影像的強度梯度。為此，我們遵循類似於 Sobel 的步驟：
1. 應用一對卷積核（在 \(x\) 和 \(y\) 方向）：
  \[G_{x} = \begin{bmatrix} -1 & 0 & +1 \\ -2 & 0 & +2 \\ -1 & 0 & +1 \end{bmatrix}\]
  
  \[G_{y} = \begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ +1 & +2 & +1 \end{bmatrix}\]
2. 用以下公式找到梯度強度和方向：
  \[\begin{array}{l} G = \sqrt{ G_{x}^{2} + G_{y}^{2} } \\ \theta = \arctan(\dfrac{ G_{y} }{ G_{x} }) \end{array}\]
  方向被四捨五入到四個可能的角度之一（即 0、45、90 或 135 度）。
應用非極大值抑制。這會移除不被認為是邊緣一部分的畫素。因此，只剩下細線（候選邊緣）。
滯後閾值：最後一步。Canny 使用兩個閾值（高閾值和低閾值）：
1. 如果畫素梯度高於高閾值，則該畫素被接受為邊緣。
2. 如果畫素梯度值低於低閾值，則被拒絕。
3. 如果畫素梯度介於兩個閾值之間，則只有當它連線到高於高閾值的畫素時才會被接受。
Canny 建議高閾值與低閾值的比率在 2:1 到 3:1 之間。
更多細節，您可以查閱您喜歡的計算機視覺書籍。

程式碼

教程程式碼如下所示。您也可以從此處下載。

#include "opencv2/imgproc.hpp"

#include "opencv2/highgui.hpp"

#include <iostream>

using namespace cv;

Mat src, src_gray;

Mat dst, detected_edges;

int lowThreshold = 0;

const int max_lowThreshold = 100;

const int ratio = 3;

const int kernel_size = 3;

const char* window_name = "Edge Map";

static void CannyThreshold(int, void*)

{

blur( src_gray, detected_edges, Size(3,3) );

Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );

dst = Scalar::all(0);

src.copyTo( dst, detected_edges);

imshow( window_name, dst );

}

int main( int argc, char** argv )

{

CommandLineParser parser( argc, argv, "{@input | fruits.jpg | input image}" );

src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR ); // Load an image

if( src.empty() )

{

std::cout << "Could not open or find the image!\n" << std::endl;

std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;

return -1;

}

dst.create( src.size(), src.type() );

cvtColor( src, src_gray, COLOR_BGR2GRAY );

namedWindow( window_name, WINDOW_AUTOSIZE );

createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );

CannyThreshold(0, 0);

waitKey(0);

return 0;

}

bool empty() const
如果陣列沒有元素，則返回 true。
int64_t int64

cv::Mat
n 維密集陣列類
定義 mat.hpp:830

cv::Mat::size
MatSize size
定義 mat.hpp:2187

cv::Mat::copyTo
void copyTo(OutputArray m) const
將矩陣複製到另一個矩陣。

cv::Mat::create
void create(int rows, int cols, int type)
如果需要，分配新的陣列資料。

定義 interface.h:61
cv::getTickFrequency
double getTickFrequency()

cv::Mat::type
int type() const
返回矩陣元素的型別。

cv::Size_
用於指定影像或矩形大小的模板類。
Definition types.hpp:335

cv::String
std::string String
定義 cvstd.hpp:151

highgui.hpp

main
int main(int argc, char *argv[])
定義 highgui_qt.cpp:3

imgproc.hpp

cv
定義 core.hpp:107

教程程式碼如下所示。您也可以從此處下載。
import java.awt.BorderLayout;

import java.awt.Container;

import java.awt.Image;

import javax.swing.BoxLayout;

import javax.swing.ImageIcon;

import javax.swing.JFrame;

import javax.swing.JLabel;

import javax.swing.JPanel;

import javax.swing.JSlider;

import javax.swing.event.ChangeEvent;

import javax.swing.event.ChangeListener;

import org.opencv.core.Core;

import org.opencv.core.CvType;

import org.opencv.core.Mat;

import org.opencv.core.Scalar;

import org.opencv.core.Size;

import org.opencv.highgui.HighGui;

import org.opencv.imgcodecs.Imgcodecs;

import org.opencv.imgproc.Imgproc;

public class CannyDetectorDemo {

private static final int MAX_LOW_THRESHOLD = 100;

private static final int RATIO = 3;

private static final int KERNEL_SIZE = 3;

private static final Size BLUR_SIZE = new Size(3,3);

private int lowThresh = 0;

private Mat src;

private Mat srcBlur = new Mat();

private Mat detectedEdges = new Mat();

private Mat dst = new Mat();

private JFrame frame;

private JLabel imgLabel;

public CannyDetectorDemo(String[] args) {

String imagePath = args.length > 0 ? args[0] : "../data/fruits.jpg";

src = Imgcodecs.imread(imagePath);

if (src.empty()) {

System.out.println("Empty image: " + imagePath);

System.exit(0);

}

// Create and set up the window.

frame = new JFrame("Edge Map (Canny detector demo)");

frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

// Set up the content pane.

Image img = HighGui.toBufferedImage(src);

addComponentsToPane(frame.getContentPane(), img);

// Use the content pane's default BorderLayout. No need for

// setLayout(new BorderLayout());

// Display the window.

frame.pack();

frame.setVisible(true);

}

private void addComponentsToPane(Container pane, Image img) {

if (!(pane.getLayout() instanceof BorderLayout)) {

pane.add(new JLabel("Container doesn't use BorderLayout!"));

return;

}

JPanel sliderPanel = new JPanel();

sliderPanel.setLayout(new BoxLayout(sliderPanel, BoxLayout.PAGE_AXIS));

sliderPanel.add(new JLabel("Min Threshold:"));

JSlider slider = new JSlider(0, MAX_LOW_THRESHOLD, 0);

slider.setMajorTickSpacing(10);

slider.setMinorTickSpacing(5);

slider.setPaintTicks(true);

slider.setPaintLabels(true);

slider.addChangeListener(new ChangeListener() {

@Override

public void stateChanged(ChangeEvent e) {

JSlider source = (JSlider) e.getSource();

lowThresh = source.getValue();

update();

}

});

sliderPanel.add(slider);

pane.add(sliderPanel, BorderLayout.PAGE_START);

imgLabel = new JLabel(new ImageIcon(img));

pane.add(imgLabel, BorderLayout.CENTER);

}

private void update() {

Imgproc.blur(src, srcBlur, BLUR_SIZE);

Imgproc.Canny(srcBlur, detectedEdges, lowThresh, lowThresh * RATIO, KERNEL_SIZE, false);

dst = new Mat(src.size(), CvType.CV_8UC3, Scalar.all(0));

src.copyTo(dst, detectedEdges);

Image img = HighGui.toBufferedImage(dst);

imgLabel.setIcon(new ImageIcon(img));

frame.repaint();

}

public static void main(String[] args) {

// 載入本地 OpenCV 庫

System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

// Schedule a job for the event dispatch thread

// creating and showing this application's GUI.

javax.swing.SwingUtilities.invokeLater(new Runnable() {

@Override

public void run() {

new CannyDetectorDemo(args);

}

});

}

}

cv::Scalar_::all
static Scalar_< _Tp > all(_Tp v0)
返回一個標量，其中所有元素都設定為 v0

cv::Scalar
Scalar_< double > Scalar
定義 types.hpp:709

教程程式碼如下所示。您也可以從此處下載。
from __future__ import print_function

import cv2 as cv

import argparse

max_lowThreshold = 100

window_name = 'Edge Map'

title_trackbar = 'Min Threshold:'

ratio = 3

kernel_size = 3

def CannyThreshold(val)

low_threshold = val

img_blur = cv.blur(src_gray, (3,3))

detected_edges = cv.Canny(img_blur, low_threshold, low_threshold*ratio, kernel_size)

mask = detected_edges != 0

dst = src * (mask[:,:,None].astype(src.dtype))

cv.imshow(window_name, dst)

parser = argparse.ArgumentParser(description='Code for Canny Edge Detector tutorial.')

parser.add_argument('--input', help='Path to input image.', default='fruits.jpg')

args = parser.parse_args()

src = cv.imread(cv.samples.findFile(args.input))

if src is None

print('Could not open or find the image: ', args.input)

exit(0)

src_gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

cv.namedWindow(window_name)

cv.createTrackbar(title_trackbar, window_name , 0, max_lowThreshold, CannyThreshold)

CannyThreshold(0)

cv.waitKey()

cv::samples::findFile
cv::String findFile(const cv::String &relative_path, bool required=true, bool silentMode=false)
嘗試查詢請求的資料檔案。

cv::imshow
void imshow(const String &winname, InputArray mat)
在指定視窗中顯示影像。

cv::waitKey
int waitKey(int delay=0)
等待按鍵按下。

cv::namedWindow
void namedWindow(const String &winname, int flags=WINDOW_AUTOSIZE)
建立視窗。

cv::createTrackbar
int createTrackbar(const String &trackbarname, const String &winname, int *value, int count, TrackbarCallback onChange=0, void *userdata=0)
建立滑動條並將其附加到指定視窗。

cv::imread
CV_EXPORTS_W Mat imread(const String &filename, int flags=IMREAD_COLOR_BGR)
從檔案載入影像。

cv::cvtColor
void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0, AlgorithmHint hint=cv::ALGO_HINT_DEFAULT)
將影像從一個顏色空間轉換為另一個顏色空間。

cv::Canny
void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize=3, bool L2gradient=false)
使用 Canny 演算法 canny86 在影像中查詢邊緣。

cv::blur
void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT)
使用歸一化盒式濾波器模糊影像。

此程式的作用是什麼？

要求使用者輸入一個數值來設定我們的 Canny 邊緣檢測器的低閾值（透過捲軸）。
應用 Canny 檢測器並生成一個掩碼（在黑色背景上代表邊緣的亮線）。
將獲得的掩碼應用於原始影像並在視窗中顯示。

解釋 (C++ 程式碼)

建立一些必要的變數
Mat src, src_gray;

Mat dst, detected_edges;

int lowThreshold = 0;

const int max_lowThreshold = 100;

const int ratio = 3;

const int kernel_size = 3;

const char* window_name = "Edge Map";

請注意以下幾點：
1. 我們設定低閾值與高閾值的比例為 3:1（使用變數 ratio）。
2. 我們設定 Sobel 運算的核大小為 \(3\)（Canny 函式內部會執行這些運算）。
3. 我們設定低閾值的最大值為 \(100\)。
載入源影像
CommandLineParser parser( argc, argv, "{@input | fruits.jpg | input image}" );

src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR ); // 載入影像

if( src.empty() )

{

std::cout << "Could not open or find the image!\n" << std::endl;

std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;

return -1;

}
建立一個與 src 相同型別和大小的矩陣（作為 dst）
dst.create( src.size(), src.type() );
將影像轉換為灰度圖（使用函式 cv::cvtColor）
cvtColor( src, src_gray, COLOR_BGR2GRAY );
建立一個視窗來顯示結果
namedWindow( window_name, WINDOW_AUTOSIZE );
建立一個捲軸，供使用者輸入 Canny 檢測器的低閾值
createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );

請注意以下幾點：
1. 由捲軸控制的變數是 lowThreshold，其上限為 max_lowThreshold（我們之前設定為 100）
2. 每次捲軸記錄一個動作時，都會呼叫回撥函式 CannyThreshold。
讓我們一步步檢視 CannyThreshold 函式：
1. 首先，我們使用核大小為 3 的濾波器對影像進行模糊處理
  blur( src_gray, detected_edges, Size(3,3) );
2. 其次，我們應用 OpenCV 函式 cv::Canny
  Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );
  
  其中引數為：
  - detected_edges：源影像，灰度圖
  - detected_edges：檢測器的輸出（可以與輸入相同）
  - lowThreshold：使用者透過移動捲軸輸入的值
  - highThreshold：在程式中設定為低閾值的三倍（遵循 Canny 的建議）
  - kernel_size：我們將其定義為 3（內部使用的 Sobel 核的大小）
我們將 dst 影像填充為零（意味著影像完全是黑色的）。
dst = Scalar::all(0);
最後，我們將使用函式 cv::Mat::copyTo 來僅對映影像中被識別為邊緣的區域（在黑色背景上）。cv::Mat::copyTo 將 src 影像複製到 dst。但是，它只會複製畫素值非零位置的畫素。由於 Canny 檢測器的輸出是黑色背景上的邊緣輪廓，因此生成的 dst 除了檢測到的邊緣外，所有區域都將是黑色的。
src.copyTo( dst, detected_edges);
我們顯示結果
imshow( window_name, dst );

結果

編譯上述程式碼後，我們可以透過提供影像路徑作為引數來執行它。例如，使用以下影像作為輸入：

移動滑塊，嘗試不同的閾值，我們得到以下結果：

請注意影像是如何在邊緣區域疊加到黑色背景上的。


原始作者	Ana Huamán
相容性	OpenCV >= 3.0

目錄

目標

理論

步驟

程式碼

解釋 (C++ 程式碼)

結果