Android OpenCV（二十六）：Canny算法边缘检测

Canny算法边缘检测

Canny边缘检测算法是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。截止2014年8月, Canny发表的该篇论文，已被引用19000余次。Canny 创立了边缘检测计算理论（Computational theory of edge detection）解释这项技术如何工作。
通常情况下边缘检测的目的是在保留原有图像属性的情况下，显著减少图像的数据规模。有多种算法可以进行边缘检测，虽然Canny算法年代久远，但可以说它是边缘检测的一种标准算法，而且仍在研究中广泛使用。

Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：

最优检测：算法能够尽可能多地标识出图像中的实际边缘，漏检真实边缘的概率和误检非边缘的概率都尽可能小；

最优定位准则：检测到的边缘点的位置距离实际边缘点的位置最近，或者是由于噪声影响引起检测出的边缘偏离物体的真实边缘的程度最小；

检测点与边缘点一一对应：算子检测的边缘点与实际边缘点应该是一一对应。

为了满足这些要求 Canny 使用了变分法（calculus of variations），这是一种寻找优化特定功能的函数的方法。最优检测使用四个指数函数项表示，但是它非常近似于高斯函数的一阶导数。

【引用自百度百科】

算法步骤

基于Canny算法的边缘检测主要有5个步骤，依次是高斯滤波、像素梯度计算、非极大值像素梯度抑制、滞后阈值处理和孤立弱边缘抑制。

1. 高斯滤波

使用高斯滤波平滑图像，减少图像中噪声。一般情况下使用5×5的高斯滤波器。
$frac{1}{159}left[ begin{array}{ccc} 2 & 4 & 5 & 4 & 2\\ 4 & 9 & 12 & 9 & 4\\ 5 & 12 & 15 & 12 & 5\\ 4 & 9 & 12 & 9 & 4\\ 2 & 4 & 5 & 4 & 2\\ end{array} right]$

2. 像素梯度计算

使用Sobel算子在水平和垂直方向上对平滑的图像检测边缘，以在水平方向（Gx）和垂直方向（Gy）上获得一阶导数。从这两个图像中，我们可以找到每个像素的梯度幅度和方向，如下所示：
$Edge_Gradient ; (G) = sqrt{G_x^2 + G_y^2}$

$Angle ; (theta) = tan^{-1} bigg(frac{G_y}{G_x}bigg)$

梯度方向始终垂直于边缘。为了简便，将其舍入为代表垂直，水平和两个对角线方向的四个角度之一。

public static void Canny(Mat image, Mat edges, double threshold1, double threshold2, int apertureSize, boolean L2gradient)

c参数一：image，输入图像，必须是CV_8U的单通道或者三通道图像。
参数二：edges，输出图像，与输入图像具有相同尺寸的单通道图像，且数据类型为CV_8U。
参数三：threshold1，第一个滞后阈值。
参数四：threshold2，第二个滞后阈值。
参数五：apertureSize，Sobel算子的直径。
参数六：L2gradient，计算图像梯度幅值方法的标志。默认为false，使用下方第一种计算方式
$Edge_Gradient ; (G) = |G_x| + |G_y|$

$Edge_Gradient ; (G) = sqrt{G_x^2 + G_y^2}$

第一个参数是需要提取边缘的输入图像，目前只支持数据类型为CV_8U的图像，输入图像可以是灰度图像或者彩色图像。第二个参数是边缘检测结果的输出图像，图像是数据类型为为CV_8U的单通道灰度图像。函数第三个和第四个参数是Canny算法中用于区分强边缘和弱边缘的两个阈值，两个参数不区分较大阈值和较小阈值，函数会自动比较区分两个阈值的大小，不过一般情况下，较大阈值与较小阈值的比值在2:1到3:1之间。函数最后一个参数是计算梯度幅值方法的选择标志，无特殊需求的情况下，使用默认值即可。

操作

/**
 * Canny边缘检测
 *
 * @author yidong
 * @date 2020-05-18
 */
class CannyEdgeDetectionActivity : AppCompatActivity() {

    private lateinit var mBinding: ActivityEdgeDetectionBinding
    private lateinit var mRgb: Mat

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        mBinding = DataBindingUtil.setContentView(this, R.layout.activity_edge_detection)
        val bgr = Utils.loadResource(this, R.drawable.lena)
        mRgb = Mat()
        Imgproc.cvtColor(bgr, mRgb, Imgproc.COLOR_BGR2RGB)
        showMat(mBinding.ivLena, mRgb)
    }

    override fun onCreateOptionsMenu(menu: Menu?): Boolean {
        menuInflater.inflate(R.menu.menu_canny, menu)
        return true
    }

    override fun onOptionsItemSelected(item: MenuItem): Boolean {
        when (item.itemId) {
            R.id.low_canny_edge_detection -> {
                lowCannyEdgeDetection()
            }
            R.id.high_canny_edge_detection -> {
                highCannyEdgeDetection()
            }
            R.id.blur_canny_edge_detection -> {
                edgeDetectionAfterBlur()
            }
        }
        return true
    }

    private fun showMat(view: ImageView, source: Mat) {
        val bitmap = Bitmap.createBitmap(source.width(), source.height(), Bitmap.Config.ARGB_8888)
        bitmap.density = 360
        Utils.matToBitmap(source, bitmap)
        view.setImageBitmap(bitmap)
    }

    private fun lowCannyEdgeDetection() {
        title = "低阈值Canny边缘检测"
        val result = Mat()
        Imgproc.Canny(mRgb, result, 20.0, 40.0, 3)
        showMat(mBinding.ivResult, result)
    }


    private fun highCannyEdgeDetection() {
        title = "高阈值Canny边缘检测"
        val result = Mat()
        Imgproc.Canny(mRgb, result, 100.0, 200.0, 3)
        showMat(mBinding.ivResult, result)
    }

    private fun edgeDetectionAfterBlur() {
        title = "滤波后Canny边缘检测"
        val resultG = Mat()
        val result = Mat()
        Imgproc.GaussianBlur(mRgb, resultG, Size(3.0, 3.0), 5.0)
        Imgproc.Canny(resultG, result, 100.0, 200.0, 3)
        showMat(mBinding.ivResult, result)
    }
}