在 OpenCV 中，canny 算子的低阈值和高阈值是强制性的：
cvCanny(input,output,thresh1,thresh2)
在 Matlab 中，有一个选项可以自动计算：
edge(input,'canny')
我已经查看了 Matlab 的边缘代码，但要自动计算这些代码确实不是很直接。
您是否知道 Canny 运算符的任何实现以及 OpenCV 的自动阈值计算？
【问题讨论】：
我在寻找一种自动计算 Canny 阈值的方法时偶然发现了这个答案。
希望这可以帮助任何来寻找确定 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，则可以使用以下方法提取前景对象的边缘：
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OpenCV 中没有允许您仅计算阈值的方法。
使用 Otsu 的阈值作为 Canny 算法的较高阈值和较低阈值的一半。
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 );
更多与此相关的信息可以在this paper: The Study on An Application of Otsu Method in Canny Operator 中找到。 Otsu 实现的解释可以在here找到。
【讨论】：
您可以使用输入灰度图像的平均值，并使用标准差定义阈值下限和上限。 你可以在这里有更详细的解释和opencv代码： http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/
【讨论】：
此外，还有一些代码可以自动执行此操作，方法是将其放入 OpenCV 构建中。我在 OpenCV 用户邮件列表中找到了它，所以不能保证。 :)
讨论：http://opencv-users.1802565.n2.nabble.com/Automatic-thresholding-in-cvCanny-td5871024.html GitHub（代码）：https://gist.github.com/756833
【讨论】：
他们使用基本统计数据实现了类似的解决方案，以确定 Canny 边缘检测的低阈值和高阈值。
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
【讨论】：
我查看了 Matlab Canny 边缘检测的源代码，并设法使用 OpenCV 3 用 Java 编写了它。
private static Mat getpartialedge(Mat image){
double nonEdgeRate = 0.6;
double thresholdRate = 0.6;
double w = image.cols();
double h = image.rows();
int bins = 256;
Mat sobel = new Mat();
Mat sobelx = new Mat();
Mat sobely = new Mat();
Mat sobelxabs = new Mat();
Mat sobelyabs = new Mat();
Size gsz = new Size(5, 5);
if(false) {
Imgproc.Canny(image, sobel, 41, 71);
}else {
//Imgproc.GaussianBlur(graycopy,graycopy, gsz, 2);
//Imgproc.dilate(image, image, kernel8);
Imgproc.GaussianBlur(image, image, gsz, 2);
int apertureSize = 3;
Imgproc.Sobel(image, sobelx, CvType.CV_16S, 1, 0, apertureSize, 1, 0);
Core.convertScaleAbs(sobelx, sobelxabs);
Imgproc.Sobel(image, sobely, CvType.CV_16S, 0, 1, apertureSize, 1, 0);
Core.convertScaleAbs(sobely, sobelyabs);
Core.addWeighted(sobelxabs, 1, sobelyabs, 1, 0, sobel);
sobel.convertTo(sobel, CvType.CV_8U);
Mat equalized = new Mat();
Imgproc.equalizeHist(sobel, equalized);
Imgcodecs.imwrite(filePath + "aftersobel(eq).png", equalized);
Imgcodecs.imwrite(filePath + "aftersobel.png", sobel);
Mat hist = new Mat();
List<Mat> matList = new ArrayList<Mat>();
matList.add(sobel);
Imgproc.calcHist(matList, new MatOfInt(0), new Mat(), hist, new MatOfInt(bins), new MatOfFloat(0f, 256f));
float accu = 0;
float t = (float) (nonEdgeRate * w * h);
float bon = 0;
float[] accutemp = new float[bins];
for (int i = 0; i < bins; i++) {
float tf[] = new float[1];
hist.get(i, 0, tf);
accu = accu + tf[0];
accutemp[i] = accu;
if (accu > t) {
bon = (float) i;
break;
}
}
Imgproc.threshold(sobel, sobel, bon, 255, Imgproc.THRESH_BINARY);
double ut = bon;
double lt = thresholdRate * bon;
Imgproc.Canny(image, sobel, lt, ut);
//Imgproc.dilate(sobel, sobel, kernel2);
}
return sobel;
}
文件路径是保存输出图像的地方。并且输入图像应该是U8数据类型的灰度图像。 基本原理是通过亮度将nonEdgeRate(60%)像素排除为非边缘像素。直方图用于对亮度进行排序，并将设置上限阈值，使其下方有 60% 的像素。下阈值是通过将上阈值乘以 thresholdRate(0.6) 来设置的。
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th原始值分别为0.7和0.4。
【讨论】：
我有另一种方法来解决同样的问题。该解决方案还涉及为边缘检测选择最佳阈值。
以下伪代码向您展示了它是如何完成的：
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))
将这些阈值固定为 canny 边缘检测函数中的参数。
说明：如果您观察统计中的高斯曲线，则分布中考虑曲线两侧 0.33 之间的值。这些点之外的任何值都被假定为异常值。由于图像被认为是数据，因此这里也假设了这个概念。
【讨论】：
正如 Luca Del Tongo 所建议的，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);
【讨论】：
threshold1 = mu - stddev 和threshold2 = mu + stddev