使用OpenCV计算Canny边缘检测中的非定向边缘数量。

Question

使用OpenCV计算Canny边缘检测中的非定向边缘数量。

opencvedge-detection

3

能否有人帮我解决如何用OpenCV的Canny边缘检测算法计算无方向边缘数量的问题？我已经通过OpenCV获得了Canny边缘图像，我想基于边缘方向制作直方图以此来统计有向和无向边缘的数量。

- user973743

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- mevatron · Accepted Answer

我认为你混淆了边缘检测和梯度检测。Canny基于梯度幅值（通常使用Sobel算子，但也可以使用其他算子）提供边缘图，因为Canny仅返回经过阈值处理的梯度幅值信息，它无法提供方向信息。

编辑：我应该澄清一下，Canny算法确实在非最大抑制步骤中使用梯度方向。然而，OpenCV实现的Canny会隐藏这个方向信息，并且只返回一个边缘幅值图。

获取梯度幅值和方向的基本算法如下：

1. 计算X方向的Sobel（Sx）。 2. 计算Y方向的Sobel（Sy）。 3. 计算梯度幅值sqrt(Sx*Sx + Sy*Sy)。 4. 使用arctan(Sy / Sx)计算梯度方向。

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

下面是一个示例，计算梯度大小和相位，并显示梯度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;
}

使用圆形图片：

这将产生以下大小和方向图像：
magnitude

最后，这是梯度方向图：
map

更新：Abid在评论中实际上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`函数不会从正常的图像处理角度切换坐标系，其中正y轴向下，正x轴向右。在这种假设下，导致以下图像显示圆周周围的梯度方向向量：

enter image description here

这可能会让人感到困难，因为坐标轴与我们在数学课上通常使用的相反... 因此，梯度方向是法向量与梯度面在增加变化方向上形成的角度。

希望您觉得这很有帮助！