Question

在openCV中，canny运算符的低阈值和高阈值是强制性的：

cvCanny(input,output,thresh1,thresh2)

在Matlab中，有一个自动计算的选项：

edge(input,'canny')

我已经研究过Matlab的代码代码，而这实际上并不是直接自动计算的。

您是否了解canny运算符的任何实现以及opencv的自动阈值计算？

感谢

Answer 1

当我在寻找一种自动计算Canny阈值的方法时，我偶然发现了这个答案。

希望这有助于任何寻找确定Canny算法自动阈值的好方法的人......

如果您的图像由不同的前景和背景组成，则前景对象的边缘可以使用以下提取：

使用以下方法计算Otsu的阈值：
```
double otsu_thresh_val = cv::threshold(
    orig_img, _img, 0, 255, CV_THRESH_BINARY | CV_THRESH_OTSU
);
```
我们不需要_img。我们只对otsu_thresh_val感兴趣，但不幸的是，目前在OpenCV中没有允许您仅计算阈值的方法。

使用Otsu的阈值作为更高的阈值，使用Canny算法的下限阈值的一半。

double high_thresh_val  = otsu_thresh_val,
       lower_thresh_val = otsu_thresh_val * 0.5;
cv::Canny( orig_img, cannyOP, lower_thresh_val, high_thresh_val );

有关此内容的更多信息，请参阅this paper: The Study on An Application of Otsu Method in Canny Operator。可以找到对Otsu实施的解释here。

Answer 2

您可以使用输入灰度图像的平均值，并使用标准偏差定义下限和上限阈值。您可以在此处获得更详细的解释和opencv代码： http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/

Answer 3

此外，还有一些代码可以通过将其放入OpenCV构建中来自动执行此操作。我在OpenCV用户邮件列表中找到了它，所以没有保证。：）

讨论：http://opencv-users.1802565.n2.nabble.com/Automatic-thresholding-in-cvCanny-td5871024.html GitHub（代码）：https://gist.github.com/756833

Answer 4

点击此链接：http://www.pyimagesearch.com/2015/04/06/zero-parameter-automatic-canny-edge-detection-with-python-and-opencv/

他们使用基本统计实施类似的解决方案，以确定Canny边缘检测的低和高阈值。

def auto_canny(image, sigma=0.33):
     # compute the median of the single channel pixel intensities
     v = np.median(image)

    # apply automatic Canny edge detection using the computed median
    lower = int(max(0, (1.0 - sigma) * v))
    upper = int(min(255, (1.0 + sigma) * v))
    edged = cv2.Canny(image, lower, upper)

    # return the edged image
    return edged

Answer 5

我查看了Matlab Canny边缘检测的源代码，并设法用OpenCV 3用Java编写。

library(dplyr)
df %>% 
   filter(name %in% c("A", "C")) %>% 
   group_by(type) %>% 
   summarise(name = 'AC', val = sum(val)) %>% 
   full_join(df, ., on = 'type') %>% 
   arrange(type, val)
#    name type val
#1    A   10   1
#2    B   10   2
#3    C   10   3
#4   AC   10   4
#5    A   20   4
#6    B   20   5
#7    C   20   6
#8   AC   20  10

文件路径是保存输出图像的位置。并且输入图像应该是具有U8数据类型的灰度图像。基本原理是通过亮度排除nonEdgeRate（60％）像素作为非边缘像素。直方图用于对亮度进行排序，并且将设置上阈值，使其下方有60％的像素。通过将上限阈值乘以thresholdRate（0.6）来设置下限阈值。

请注意，在我的特定用例中，我自己调整了double nonEdgeRate = 0.6和double thresholdRate = 0.6。在matlab中，原始值分别为0.7和0.4。

Answer 6

我有另一种解决同样问题的方法。该解决方案还涉及选择边缘检测的最佳阈值。

首先计算灰度图像的中值。
根据中位数选择两个值（下阈值和上阈值）灰度图像的值。

以下伪代码向您展示了它的完成方式：

v = np.median(gray_img)
sigma = 0.33

#---- apply optimal Canny edge detection using the computed median----
lower_thresh = int(max(0, (1.0 - sigma) * v))
upper_thresh = int(min(255, (1.0 + sigma) * v))

将这些阈值修复为canny边缘检测功能中的参数。

插图：如果在统计中观察到高斯曲线，则在分布中考虑曲线两侧的0.33之间的值。假设这些点之外的任何值都是异常值。由于图像被认为是数据，因此这里也假设了这个概念。

Answer 7

正如Luca Del Tongo建议的那样，您可以根据灰度图像计算阈值，例如：在Java中使用OpenCV ...

MatOfDouble mu = new MatOfDouble();
MatOfDouble stddev = new MatOfDouble();
Core.meanStdDev(greyMat, mu, stddev);
threshold1 = mu.get(0, 0)[0];
threshold2 = stddev.get(0, 0)[0];
Imgproc.Canny(greyMat, outputMat, threshold1, threshold2);

在opencv中自动计算Canny操作的低和高阈值

7 个答案: