opencv - opencv - 计算来自 canny 的非定向边

Question

谁能帮助我如何使用opencv cannyedge检测计算非定向边缘的数量？我有一个来自 opencv 的 cannyEdge 图像，我想有一个基于边缘方向的直方图，在那里我可以计算有向和非定向边缘的数量。

Answer 1

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

编辑：我应该澄清 Canny 算法在非最大抑制步骤中确实使用了梯度方向。然而，OpenCV 的实现对Canny你隐藏了这个方向信息，并且只返回一个边缘幅度图。

获取梯度大小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. 计算梯度幅度sqrt(Sx*Sx + Sy*Sy)。
4. 用 计算梯度方向arctan(Sy / Sx)。

该算法可以使用以下 OpenCV 函数来实现：Sobel、幅度和相位。

下面是一个计算梯度幅度和相位以及显示梯度方向的粗略颜色映射的示例：

#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：

这会产生以下幅度和方向图像：

最后，这里是梯度方向图：

更新：阿比德实际上​​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。我假设该phase函数不会从正 y 轴向下的正常图像处理角度切换坐标框架，并且正 x 轴是正确的。鉴于此假设导致以下图像显示圆周围的梯度方向向量：

这可能很难习惯，因为轴从我们通常在数学课中习惯的方向翻转......所以，梯度方向是法线向量在增加变化的方向上与梯度表面形成的角度。

希望对您有所帮助！