边缘检测

边缘检测是图像领域非常重要的一种处理手段，要理解边缘检测，首先要理解什么是边缘。边缘是图像局部强度具有非常强烈变化的区域。
边缘检测算子可以分为一阶边缘检测算子、二阶边缘检测算子和其他检测算子。比较常用的有三种，sobel、canny、laplacian

一阶边缘检测算子

边缘的像素强度会发生剧烈的变化，这种变化可以由梯度的变化形象地看到。

image.png

可以从上图看到，通过一阶求导得到梯度曲线图后，发现在梯度最大值处会发生一次边缘“跳跃”，这就是我们要找到的边缘位置。

sobel

sobel的处理过程：
1.图像和模板进行卷积操作，得到边缘检测图像
2.假设图像为I，分别从水平和垂直方向对图像I进行卷积操作，水平模板设为Gx,垂直模板设为Gy，则：

image.png
image.png

3.最终的梯度值为：

image.png
举个例子：

import cv2

img = cv2.imread("edge.jpg", 0)
cv2.namedWindow("src img")
cv2.namedWindow("Result")
x = cv2.Sobel(img,cv2.CV_16S,1,0)
y = cv2.Sobel(img,cv2.CV_16S,0,1)

absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)

dst = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)
cv2.imshow("src img",img)
cv2.imshow("Result", dst)

cv2.waitKey(0)
cv2.destroyAllWindows()

image.png

Canny

Canny边缘检测算法的整体流程：
1）使用高斯滤波器，平滑图像，滤除噪声；
2）计算图像中每个像素位置的梯度和方向；
3）应用非极大值抑制，消除边缘检测带来的杂散响应；
4）应用双阈值检测来确定真实的和潜在的边缘；
5）通过抑制孤立的弱边缘来完成最后的边缘检测。

import cv2
img = cv2.imread("edge.jpg",0)
gauss_img = cv2.GaussianBlur(img,(3,3),0)
dst = cv2.Canny(gauss_img,50,150)
cv2.namedWindow("src img")
cv2.namedWindow("edge img")
cv2.imshow("src img",img)
cv2.imshow("edge img",dst)
cv2.waitKey(0)

image.png

二阶边缘检测算子

Laplacian

在一阶边缘检测介绍时，我们用图像形象地表示了求导后的函数曲线，如果继续对梯度函数再次求导，就可以得到二阶函数曲线：

image.png

由此，可以看到二阶函数的边缘处值为0，这是一个非常好区别边缘的特点。拉普拉斯表达式如下：

img = cv2.imread("edge.jpg",0)
dst_img = cv2.Laplacian(img,cv2.CV_16S,3)
dst_img = cv2.convertScaleAbs(dst_img)
cv2.namedWindow("src img")
cv2.namedWindow("laplacian img")
cv2.imshow("src img",img)
cv2.imshow("laplacian img",dst_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

image.png