opencv - 从canny计算非方向性边缘

Question

任何人都可以帮助我如何使用opencv cannyedge检测来计算非定向边缘的数量？我有一个来自opencv的cannyEdge图像，我希望有一个基于边缘方向的直方图，我可以计算它的方向和非方向边数。

Answer 1

我认为您将边缘检测与梯度检测混淆。 Canny提供了一个基于梯度幅度的边缘图（通常使用Sobel算子，但它可以使用其他算子），因为Canny只返回它无法为您提供方向信息的阈值梯度幅度信息。

编辑：我应该澄清Canny算法确实使用渐变方向进行非最大抑制步骤。但是，Canny的OpenCV实现会隐藏此方向信息，并且只返回边缘幅度图。

获得梯度大小和方向的基本算法如下：

1. 沿X方向计算Sobel（Sx）。
2. 在Y方向计算Sobel（Sy）。
3. 计算渐变幅度sqrt(Sx*Sx + Sy*Sy)。
4. 使用arctan(Sy / Sx)计算渐变方向。

此算法可以使用以下OpenCV函数实现：Sobel，magnitude和phase。

下面是一个计算渐变幅度和相位的示例，以及显示渐变方向的粗略颜色映射：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

#include <iostream>
#include <vector>

using namespace cv;
using namespace std;

Mat mat2gray(const cv::Mat& src)
{
    Mat dst;
    normalize(src, dst, 0.0, 255.0, cv::NORM_MINMAX, CV_8U);

    return dst;
}

Mat orientationMap(const cv::Mat& mag, const cv::Mat& ori, double thresh = 1.0)
{
    Mat oriMap = Mat::zeros(ori.size(), CV_8UC3);
    Vec3b red(0, 0, 255);
    Vec3b cyan(255, 255, 0);
    Vec3b green(0, 255, 0);
    Vec3b yellow(0, 255, 255);
    for(int i = 0; i < mag.rows*mag.cols; i++)
    {
        float* magPixel = reinterpret_cast<float*>(mag.data + i*sizeof(float));
        if(*magPixel > thresh)
        {
            float* oriPixel = reinterpret_cast<float*>(ori.data + i*sizeof(float));
            Vec3b* mapPixel = reinterpret_cast<Vec3b*>(oriMap.data + i*3*sizeof(char));
            if(*oriPixel < 90.0)
                *mapPixel = red;
            else if(*oriPixel >= 90.0 && *oriPixel < 180.0)
                *mapPixel = cyan;
            else if(*oriPixel >= 180.0 && *oriPixel < 270.0)
                *mapPixel = green;
            else if(*oriPixel >= 270.0 && *oriPixel < 360.0)
                *mapPixel = yellow;
        }
    }

    return oriMap;
}

int main(int argc, char* argv[])
{
    Mat image = Mat::zeros(Size(320, 240), CV_8UC1);
    circle(image, Point(160, 120), 80, Scalar(255, 255, 255), -1, CV_AA);

    imshow("original", image);

    Mat Sx;
    Sobel(image, Sx, CV_32F, 1, 0, 3);

    Mat Sy;
    Sobel(image, Sy, CV_32F, 0, 1, 3);

    Mat mag, ori;
    magnitude(Sx, Sy, mag);
    phase(Sx, Sy, ori, true);

    Mat oriMap = orientationMap(mag, ori, 1.0);

    imshow("magnitude", mat2gray(mag));
    imshow("orientation", mat2gray(ori));
    imshow("orientation map", oriMap);
    waitKey();

    return 0;
}

使用圆形图像：


这导致以下幅度和方向图像：


最后，这是渐变方向图：


更新： Abid实际上在评论中提出了一个很好的问题“这里的方向是什么意思？”，我认为需要进一步讨论。我假设phase函数没有从正常y轴下降的正常图像处理角度切换坐标框架，而正x轴是正确的。给定这个假设，导致下面的图像显示圆周围的梯度方向矢量：




这可能很难习惯，因为轴从我们通常习惯的数学类中翻转过来......因此，渐变方向是法线向量在渐增方向上向渐变表面所形成的角度变化

希望你发现有帮助！