canny实验报告.docxVIP

实验三 OpenCV 实现Canny 边缘检测 实验报告一、引言随着当前数字化信息技术的发展，数字图像处理技术变得越来越重要，尤其在光电探测领域更是得到了广泛应用，主要内容之一就是实现图像目标边缘的精确定位。本次上机实验就是通过对opencv软件和canny算子的学习，来实现边缘检测。二、实验原理Canny算子认为图像的边界点位于图像被高斯函数平滑后的梯度幅度极大值点上。Canny 检测的基本过程如下：高斯平滑滤波平滑图像——计算图像梯度的方向和大小——非极大值抑制——双阈值检测并连接边缘其具体过程包括：利用一维高斯函数，分别按行和列对图像进行低通平滑滤波。其高斯函数为一般选择方差为1.4 的高斯函数模板和图像进行卷积运算。注意：增加高斯卷积核的宽度可以降低检测过程对噪声的敏感性, 但代价是丢失了图像的某些细节信息, 并且使目标边缘变得模糊, 从而使目标边缘检测错误的概率也随着高斯卷积核宽度的增加而略有增加。2) 计算平滑后图像中各点的梯度值和梯度方向，记录于梯度幅值图和梯度方向图中。采用2×2 邻域一阶偏导的有限差分，计算平滑后图像I(x，y)的x，y 方向的偏导数为求出x，y 方向的偏导以后，再利用二范数来计算梯度幅值M、梯度方向θ 分别为3）对梯度幅值进行非极大值抑制，确定候选边缘点。在梯度幅值图中，如果某点梯度值与该点梯度方向上相邻两个像素的梯度值相比不是最大，则该点视为非边缘点被删除。抑制后得到的候选边缘点记录在图edge 中。4) 设置全局高低两阈值，选取边缘点。梯度幅值设置全局高低两阈值，选取边缘点。传统canny算子的高低阈值确定方法梯度幅值图的直方图分布中，像素点个数按梯度幅值递增方向累加，累加个数达到总数的一定比例(比如80%)时，对应的梯度值作为高阈值，高阈值的一半或40％处为低阈值。在图edge 中的候选边缘点中，梯度值大于高阈值的点作为边缘保留，梯度值小于低阈值的点则删除，梯度值介于两阈值间且与边缘点邻接的点作为边缘保留，否则删除。再判断保留点的八个方向中是否存在大于高阈值的边缘像素，如果存在则认为它就是边缘点，否则不是。传统Canny 算子需要人为预先设置高低阈值，这需要先验经验，可能反复多次试验才能找到合适的阈值。阈值设置过高可能导致边缘断裂、不连续，从而丢失边缘信息。阈值设置过低可能导致提取的边缘中出现过多的伪边缘，甚至将噪声当做边缘提取。并且实际记录的图像易受光照、场景等不确定因素的影响，不同的图像其高低阈值比例不一定是一个固定的值。由Canny 算法流程可以看出在方差确定的条件下，阈值的选取是进行图像边缘提取的关键。三、实验关键——canny算子高低阈值的确定选择方法：　Otsu 算法（基于类间方差最大化的分割算法）将edge 图中的像素划分为D1，D2，D3 三个类别，分类依据是人为给定的参考高低阈值。其中低阈值为k，高阈值为m。设原图中总的像素数为N，灰度梯度为tj对应的像素数为nj。所以灰度梯度为tj的像素占总像素的概率是整个区间的梯度幅值期望是发生在D1，D2，D3 类内的梯度幅值期望分别为进行类间方差的计算其中编程使k和m分别在0到255之间分别取值，计算每组k、m对应的类间方差，以类间方差最大的一组k和m作为最终canny算子中使用的高低阈值。和传统canny算子高低阈值的确定不同，otsu算法是一种自适应阈值的计算方法，可以适应不用类型的图像的边缘确定，四、实验结果1.对人像的处理基于otsu算法的处理结果传统canny算子的处理结果原图分析：本次处理结果明显可以看出otsu算法可以获得图像更多的细节，处理出的边缘更加细致，而传统canny算法包含的信息相对较少，在这里我们认为otsu的处理结果更好一些。2.对动物的处理基于otsu算法的处理结果传统canny算子的处理结果原图分析：otsu算法依然获得了更多的细节，在猫鼻子，帽子纹理处都获得了比传统canny算子更为细致的处理结果。两种方法处理的结果依然存在比较明显的区别。3.对风景的处理 基于otsu算法的处理结果 传统canny算子的处理结果原图分析：仅从人眼观察的角度看，由于选择的地理图片的复杂，基于otsu算法的边缘提取结果出现了过多的细节，导致原本的山脉模糊不清，反而不如自定阈值的传统canny算法处理的结果更清楚，这说明了待处理的原始图片也对处理结果有着重要影响。4.对卡通图案的处理基于otsu算法的处理结果传统canny算子的处理结果原图分析：卡通图案层次分明，基于otsu算法的处理结果和传统canny算法的处理结果都比较令人满意，兔子身上的条纹，数字，手里的门票字样，背景的日历上的数字，叉号，窗户层次都能相对清楚地显示出来。与otsu算法相比，传统canny算法仍然缺失了部分细节：红兔子脸上的齿轮，耳朵上的别