我正在尝试实现 Canny 边缘检测算法,但在此过程中遇到了一些问题。我想我了解 Canny 边缘检测的每一步,但是与 OpenCv 实现给出的结果相比,它们相差很大。
似乎我无法像算法应该产生的那样获得 1px 宽的边缘。以下是这个非常简单的二进制图像的步骤和结果:
正在处理的二值图像:
使用 Sobel 算子计算的梯度大小:
边缘方向:
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 <br>
1 / - - - - - - - - - - - \ 1 <br>
1 | / - - - - - - - - - \ | 1 <br>
1 | | / - - - - - - - \ | | 1 <br>
1 | | | / - - - - - \ | | | 1 <br>
1 | | | | | | | | | | | | | 1 <br>
1 | | | | | | | | | | | | | 1 <br>
1 | | | | | | | | | | | | | 1 <br>
1 | | | | | | | | | | | | | 1 <br>
1 | | | | | | | | | | | | | 1 <br>
1 | | | \ - - - - - / | | | 1 <br>
1 | | \ - - - - - - - / | | 1 <br>
1 | \ - - - - - - - - - / | 1 <br>
1 \ - - - - - - - - - - - / 1 <br>
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
非最大值抑制图像:
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 255 0 0 0 0 0 0 0 0 0 255 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 0 0 255 0 0 0 0 0 255 0 0 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 0 0 255 0 0 0 0 0 255 0 0 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 255 0 0 0 0 0 0 0 0 0 255 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br>
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
如果我在这一步执行滞后阈值处理,我会得到非常粗的结果。明显的问题是梯度幅度值,但我不知道如何解决它。如果有经验和知识渊博的人愿意为我指明正确的方向,我将不胜感激。
最佳答案
我认为 Sobel 运算符不适合您的情况。实际上,梯度幅度应该已经粗略勾勒出边缘。后面的步骤正在完善边缘提取。我不确定你是如何实现细化过程的,我所做的是使用插值来找到梯度范数为局部最大值的像素。当我应用 Sobel 算子时,我没有得到很厚的边缘,但边缘在某些点上不是很连续:
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 270 270 270 270 270 270 270 270 0 0 0 0
0 0 0 270 0 0 0 0 0 0 270 270 0 0 0 0
0 0 270 0 0 0 0 0 0 0 0 0 0 0 270 0
0 0 270 0 0 270 270 270 270 0 0 270 0 0 270 0
0 0 270 0 0 270 0 0 0 0 0 270 0 0 270 0
0 0 270 0 0 270 0 0 0 0 0 270 0 0 270 0
0 0 270 0 0 270 0 0 0 0 0 270 0 0 270 0
0 0 270 0 0 0 0 0 0 0 0 270 0 0 270 0
0 0 270 270 0 0 0 0 0 0 0 270 0 0 270 0
0 0 270 270 0 270 270 270 270 270 270 270 0 0 270 0
0 0 0 0 0 0 0 0 0 0 0 0 0 270 270 0
0 0 0 0 0 0 0 0 0 0 0 0 270 270 0 0
0 0 0 0 270 270 270 270 270 270 270 270 270 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
当我使用高斯函数的标准差对原始图像进行卷积以获得梯度时,我终于可以得到清晰的细边:
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 494 494 494 494 494 494 494 494 494 494 1 1
0 494 1 1 1 1 1 1 1 1 1 1 494 1
0 494 1 1 494 494 494 494 494 494 1 1 494 1
0 494 1 494 494 1 1 1 1 494 494 1 494 1
0 494 1 494 1 1 1 1 1 1 494 1 494 1
0 494 1 494 1 1 1 1 1 1 494 1 494 1
0 494 1 494 1 1 1 1 1 1 494 1 494 1
0 494 1 494 1 1 1 1 1 1 494 1 494 1
0 494 1 494 494 1 1 1 1 494 494 1 494 1
0 494 1 1 494 494 494 494 494 494 1 1 494 1
0 494 1 1 1 1 1 1 1 1 1 1 494 1
0 1 494 494 494 494 494 494 494 494 494 494 1 1
0 1 1 1 1 1 1 1 1 1 1 1 1 1
关于algorithm - Canny边缘检测算法——实现问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19334219/