Canny边缘检测器

模式识别国家重点实验室,中国科学院自动化研究所,National Laboratory of Pattern Recognition,Institute of Automation, Chinese Academy of Sciences,Canny,边缘检测器,J.Canny, “A Computational Approach to Edge Detection”,IEEE Trans. on PAMI, 8(6),1986.,CS Division, University of California, Berkeley,BID: The Berkeley Institute of Design,John Canny,Canny,边缘检测器,也许是最常用的边缘检测方法,一个优化的方案,噪声抑制,边缘增强,边缘定位,Canny,边缘检测算法,算法基本过程,：,计算图像梯度,梯度非极大值抑制,双阈值提取边缘点,幅值大小,M(x,y),方向,Theta(x,y),NMS：,Non-Maxima Suppression,计算图像梯度：高斯函数的一阶导数,高斯函数的一阶导数,(Derivative of Gaussian),可以很近似地满足以下三条边缘检测最优准则：,好的边缘检测结果：,Good detection,对边缘的响应大于对噪声的响应,好的定位性能：,Good localization,其最大值应接近边缘的实际位置,对同一边缘有低的响应次数：,在边缘附近只有一个极大值点,计算图像梯度：高斯函数的一阶导数,（,2,）,使用一阶有限差分计算偏导数的两个阵列,：,（,1,）,求图像与高斯平滑滤波器卷积,:,-1,1,-1,1,1,1,-1,-1,相当于与模版进行卷积运算,：,代表对图像的平滑程度,计算图像梯度：高斯函数的一阶导数,（,3,）,幅值和方位角,:,M,代表梯度幅值的大小，在存在边缘的图像位置处，,M,的值变大，图像的边缘特征被“增强”,如何检测边缘,？,局部极值周围存在相近数值的点,非极大值抑制,NMS,非极大值抑制（,NMS,：,Non-Maxima Suppression,）,主要思想：由梯度幅值图像,M(x,y),，,仅保留极大值。,（严格地说，保留梯度方向上的极大值点。）,得到的结果为,N(x,y),，,具体过程：,初始化,N(x,y) = M(x,y),对于每个点，在梯度方向和反梯度方向各找,n,个像素点。若,M(x,y),不是这些点中的最大点，则将,N(x,y),置零，否则保持,N(x,y),不变。,N(x,y),单像素宽度：,问题：额外的边缘点，丢失的边缘点,非极大值抑制,NMS,在梯度方向的沿线上检测该点是否为局部极大值,简化的情形，只使用,4,个方向：,0,，,45,，,90,，,135,得到的结果,N,（,x, y,）,包含边缘的宽度为,1,个像素,对,NMS,结果进行二值化,对上述得到的,N(x,y),使用阈值进行二值化,使用大的阈值，得到：,少量的边缘点,许多空隙,使用小的阈值，得到：,大量的边缘点,大量的错误检测,使用双阈值检测边缘,两个阈值,T1,，,T2,：,T2 T1,由,T1,得到,E1(x,y),，,低阈值边缘图：更大的误检测率,由,T2,得到,E2(x,y),，,高阈值边缘图：更加可靠,边缘连接,：,E1,E1,E1,E1,E2,E2,E2,边缘连接,将,E2(x,y),中相连的边缘点输出为一幅边缘图像,E(x,y),对于,E(x,y),中每条边，从端点出发在,E1(x,y),中寻找其延长的部分，直至与,E(x,y),中另外一条边的端点相连，否则认为,E1(x,y),中没有它延长的部分,将,E(x,y),作为结果输出,Canny,算子：流程,原始图像,原始图像经过,Gauss,平滑,Canny,算子：流程,梯度幅值图像,梯度幅值经过非极大值抑制,Canny,算子：流程,低阈值边缘图像,高阈值边缘图像,Canny,输出边缘图像,使用,Canny,算子需要注意的问题,Canny,算子的优点：,参数较少,计算效率,得到的边缘连续完整,参数的选择：,Gauss,滤波的尺度,双阈值的选择,(LOW=HIGH*0.4),渐增高斯滤波模版的尺寸,渐增双阈值的大小，保持,low = high*0.4,边缘检测小结,边缘检测是计算机视觉中最基本的问题之一,没有一种统一的方法可以解决所有的边缘分割问题：,抑制噪声的能力,定位精度,计算的复杂程度,困难的原因,让计算机理解图像：从数值矩阵到语义概念,实际问题的复杂性：噪声，光照，阴影,推荐文献阅读,J.Canny, “A Computational Approach to Edge Detection”,IEEE Trans. on PAMI, 8(6),1986.,F. A. Pellegrino, W.,Vanzella, and V.,Torre, Edge Detection Revisited,IEEE TRANS. on SYSTEMS, MAN, AND CYBERNETICS, VOL. 34, NO. 3, JUNE 2004,