Edge Detection Algorithm using OpenCV.md

Edge Detection Algorithm using OpenCV

評估演算法的依據

• 雜訊誤判為邊緣(Edge)
• 沒找出真正邊緣(Edge)

各種邊緣偵測方式

• Soble
• Laplacian
• Canny
• Prewitt
• Scharr

Sobel Edge Detection (索貝爾運算元邊緣偵測)

依照對於水平方向或垂直方向的重要程度調整邊緣偵測的權重。

1. 計算水平方向變化

2. 計算垂直方向變化

3. 合併兩個方向的變化，計算邊緣方向強度

cv::Mat srcImg, grayImg;
srcImg = cv::imread( "lena.jpg", cv::IMREAD_COLOR );
cv::cvtColor( srcImg, grayImg, cv::COLOR_BGR2GRAY );

cv::Mat sobelImg;
cv::Mat grad, grad_x, grad_y;
cv::Mat abs_grad_x, abs_grad_y;
int scale = 1;
int delta = 0;
int ddepth = CV_16S;

cv::Sobel( grayImg, grad_x, ddepth, 1, 0, 3, scale, delta, cv::BORDER_DEFAULT );
cv::convertScaleAbs( grad_x, abs_grad_x );

cv::Sobel( grayImg, grad_y, ddepth, 0, 1, 3, scale, delta, cv::BORDER_DEFAULT );
cv::convertScaleAbs( grad_y, abs_grad_y );

cv::addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad );
cv::threshold( grad, sobelImg, 100, 255, cv::THRESH_BINARY );

詳細Sample Code請參考GitHub

void Sobel(InputArray src, OutputArray dst, int ddepth, int dx, int dy, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT )

• src 輸入影像
• dst 輸出影像
• ddepth 輸出圖的深度 (CV_8U、CV_16U/CV_16S、CV_32F、CV_64F)
• xorder x方向的微分階數
• yorder y方向的微分階數
• ksize Sobel kernel( 1, 3, 5..)
• scale 縮放值
• delta 偏移量
• borderType pixel extrapolation method (see borderInterpolate for details).

Laplacian Edge Detection (拉普拉斯算子邊緣偵測)

cv::Mat srcImg, grayImg;
srcImg = cv::imread( "lena.jpg", cv::IMREAD_COLOR );
cv::cvtColor( srcImg, grayImg, cv::COLOR_BGR2GRAY );

cv::Mat laplacianImg, grad_16S;
cv::Laplacian( grayImg, grad_16S, CV_16S, 3, 1, 0, cv::BORDER_DEFAULT);
cv::convertScaleAbs( grad_16S, laplacianImg );

詳細Sample Code請參考GitHub

void Laplacian(InputArray src, OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, int borderType=BORDER_DEFAULT )

• src 輸入影像
• dst 輸出影像
• ddepth 輸出圖的深度
• ksize 二階導數的濾波器大小( 1, 3, 5..)
• scale 縮放值
• delta 偏移量
• borderType Pixel extrapolation method. See borderInterpolate for details.

Canny Edge Detection (坎尼邊界偵測)

• 作者 Canny, J.F., A computational approach to edge detection. Nov 1986.

1. 去雜訊、模糊化 (Noise Reduction) ==> 5x5 Gaussian filter

2. 計算梯度方向與強度 (Finding Intensity Gradient) ==> Sobel kernel

3. 非最大抑制過濾誤判 (Non-maximum Suppression)

4. 用雙門檻值過濾邊緣 (Hysteresis Thresholding)

double minThreshold = 50;
double maxThreshold = 150;
int apertureSize = 3;
bool L2gradient = false;

cv::Mat srcImg, grayImg, cannyImg;
srcImg = cv::imread( "lena.jpg", cv::IMREAD_COLOR );
cv::cvtColor( srcImg, grayImg, cv::COLOR_BGR2GRAY );
cv::Canny( grayImg, cannyImg, minThreshold, maxThreshold, apertureSize, L2gradient );

詳細Sample Code請參考GitHub

void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize=3, bool L2gradient=false )

• image 輸入影像( 8-bit )
• edges 輸出影像( 8-bit )
• threshold1 第一個門檻值(超過此門檻則視為候選者，須參考是否有連結sure-edge)
• threshold2 第二個門檻值(超過此門檻則視為sure-edge)
• apertureSize Sobel的aperture size
• L2gradient true(L2)、false(L1)

更多OpenCV文章請參考：OpenCV Tutorial (學習筆記)