什么是 Canny 边缘检测算法？

一、简介

Canny 边缘检测器是一种多步算法，用于检测任何输入图像的边缘。它涉及在检测图像边缘时要遵循的以下步骤。

1. 使用高斯滤波器去除输入图像中的噪声。

2.计算高斯滤波器的导数，计算图像像素的梯度，得到沿x和y维度的幅度。

3. 考虑垂直于给定边缘方向的任何曲线的一组邻居，抑制非最大边缘贡献像素点。

4. 最后，使用滞后阈值方法保留高于梯度幅值的像素，忽略低于低阈值的像素。

在深入研究以下步骤之前，是推导出该算法的 JK Canny 得出的三个结论：

-良好的检测：最佳检测器必须消除出现误报和漏报的可能性。

-良好的定位：检测到的边缘必须尽可能接近真实边缘。

-单响应约束：检测器必须只为每个边缘点返回一个点。

二、在Canny算法过程中需要遵循的步骤

降噪或图像平滑：

在存在噪声期间，像素可能与其相邻像素不接近。这可能导致获得不适当或不适当的边缘检测。为了避免同样的情况，我们使用高斯滤波器，它与图像卷积并去除噪声，防止输出图像中出现所需的边缘。

在下面的示例中，我们将高斯滤波器或核 g(x,y) 与图像 I 进行卷积。在这里，我们希望确保任何给定的像素必须与输出中的相邻像素相似，因此我们使用矩阵 [1 1 1] 保持像素之间的相似性并去除噪声。

g(x,y)= 高斯分布

I = 输入图像

衍生品：

计算滤波器对 X 和 Y 维度的导数，并将其与 I 卷积以给出沿维度的梯度幅度。此外，可以使用两个维度之间的角度的正切来计算图像的方向。

上述卷积产生具有大小和方向的梯度向量。

下面是一个高斯导数的例子，它最终有助于输出图像中的边缘。

三、非最大抑制

沿着边缘，通常观察到很少有点使边缘的可见性更清晰。所以我们可以忽略那些对特征可见性贡献不大的边缘点。为了达到同样的目的，我们使用非最大抑制方法。这里我们标记边缘曲线上幅度最大的点。这可以通过寻找最大值以及与曲线垂直的切片来获得。

考虑下图中的边缘，它具有三个边缘点。假设点 (x,y) 为具有最大边缘梯度的点。检查垂直于边缘方向的边缘点，并验证它们的梯度是否小于 (x,y)。如果这些值小于 (x,y) 梯度，那么我们可以抑制曲线上的那些非最大值点。

四、滞后阈值

五、总结

如果一个像素的梯度是：

- 在“高”上方将其声明为“边缘像素”。

- 下面，“低”将其声明为“非边缘像素”。

- 在“低”和“高”之间。

迭代地考虑它的邻居，如果它连接到“边缘像素”或通过“低”和“高”之间的像素连接，则将其声明为“边缘像素”。

如果觉得有用，就请分享到朋友圈吧！