python canny 테두리 검출 실현

canny 테두리 검출 원리
canny 테두리 검 사 는 모두 5 부분 으로 구성 되 어 있 으 며,아래 는 제 가 각각 소개 하 겠 습 니 다.
1 가우스 모호(약)
2.경사도 진폭 과 방향 을 계산한다.
선택 가능 한 템 플 릿:soble 연산 자,Prewitt 연산 자,Roberts 템 플 릿 등;
일반적으로 soble 연산 자 를 사용 합 니 다.OpenCV 도 마찬가지 입 니 다.soble 수평 과 수직 연산 자 를 이용 하여 이미지 볼 륨 을 입력 하여 dx,dy 를 계산 합 니 다.

그림 경사도 의 진폭 을 더 얻 을 수 있 습 니 다:

계산 을 간소화 하기 위해 서 진폭 도 다음 과 같이 비슷 하 게 할 수 있다.

각도:

아래 그림 에서 중심 점 의 경사도 벡터,방위각 과 가장자리 방향(임 의 가장자리 와 경사도 벡터 의 교차)을 나타 낸다.

θ = θm=arctan(D/dx)(가장자리 방향)
α = θ + 90=arctan(D/dx)+90(경사도 방향)
3.각도 에 따라 진폭 을 비 극 대 치 로 억제 합 니 다.
중점:경사 방향 을 따라 진폭 을 최대 치 로 억제 하 는 것 이지 가장자리 방향 이 아니 라 초보 자 들 이 헷 갈 리 기 쉽다.
예 를 들 어 3*3 구역 에서 가장 자 리 는 수직,수평,45 도,135 도 4 개 방향 으로 나 눌 수 있 고 사다리 의 역방향 도 4 개 방향(가장자리 방향 과 정교)으로 나 눌 수 있다.따라서 비 극 대 치 를 진행 하기 위해 가능 한 모든 방향 을 4 개 방향 으로 계량 화하 고 다음 과 같다.


즉,경사도 방향 은 각각
α = 90
α = 45
α = 0
α = -45
비 극 대 치 억 제 는 상기 4 가지 유형의 경사도 방향 을 따라 3*3 이웃 지역 내 에 대응 하 는 이웃 값 의 크기 를 비교 하 는 것 이다.

모든 점 에서 영역 중심 x 는 해당 하 는 경사도 방향 을 따 르 는 두 픽 셀 에 비해 중심 픽 셀 이 최대 치 라면 보류 합 니 다.그렇지 않 으 면 중심 에 0 을 두 면 비 극 대 치 를 억제 하고 국부 경사도 가 가장 큰 점 을 보존 하여 세분 화 된 가장 자 리 를 얻 을 수 있 습 니 다.
4.이중 한도 값 알고리즘 으로 가장자리 감지 및 연결
1.계수 TH 와 TL 을 선택 하고 비율 은 2:1 또는 3:1 이다.(일반적으로 TH=0.3 또는 0.2,TL=0.1)를 취한 다.
2.낮은 한도 값 보다 작은 점 을 버 리 고 0 을 부여 합 니 다.높 은 한도 값 보다 큰 점 을 즉시 표시 합 니 다(이 점 들 은 가장자리 점 을 확정 합 니 다).1 또는 255 를 부여 합 니 다.
3.높 은 한도 값 보다 작고 낮은 한도 값 보다 큰 점 은 8 연결 구역 을 사용 하여 확정 합 니 다(즉,TH 픽 셀 과 연결 할 때 만 받 아들 여지 고 가장자리 점 이 되 며 부 1 또는 255)
python 구현

import cv2
import numpy as np
m1 = np.array([[1, 0, -1], [2, 0, -2], [1, 0, -1]])
m2 = np.array([[1, 2, 1], [0, 0, 0], [-1, -2, -1]])
from matplotlib import pyplot as plt
#    :        
img = cv2.imread("B9064CF1D57871735CE11A0F368DCF27.jpg", 0)
sobel = cv2.Canny(img, 50, 100)
cv2.namedWindow('5', 0)
cv2.resizeWindow("5", 640, 480)
cv2.imshow("5", sobel) #       
img = cv2.GaussianBlur(img, (3, 3), 2)
#    :          ,             
img1 = np.zeros(img.shape, dtype="uint8") #        
theta = np.zeros(img.shape, dtype="float") #          
img = cv2.copyMakeBorder(img, 1, 1, 1, 1, borderType=cv2.BORDER_REPLICATE)
rows, cols = img.shape
for i in range(1, rows - 1):
for j in range(1, cols - 1):
Gy = [np.sum(m2 * img[i - 1:i + 2, j - 1:j + 2])]
#Gy = (np.dot(np.array([1, 1, 1]), (m2 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]]))
Gx = [np.sum(m1 * img[i - 1:i + 2, j - 1:j + 2])]
#Gx = (np.dot(np.array([1, 1, 1]), (m1 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]]))
if Gx[0] == 0:
theta[i - 1, j - 1] = 90
continue
else:
temp = ((np.arctan2(Gy[0], Gx[0])) * 180 / np.pi)+90
if Gx[0] * Gy[0] > 0:
if Gx[0] > 0:
#     
theta[i - 1, j - 1] = np.abs(temp)
else:
#     
theta[i - 1, j - 1] = (np.abs(temp) - 180)
if Gx[0] * Gy[0] < 0:
if Gx[0] > 0:
#     
theta[i - 1, j - 1] = (-1) * np.abs(temp)
else:
#     
theta[i - 1, j - 1] = 180 - np.abs(temp)

img1[i - 1, j - 1] = (np.sqrt(Gx[0] ** 2 + Gy[0] ** 2))
for i in range(1, rows - 2):
for j in range(1, cols - 2):
if (((theta[i, j] >= -22.5) and (theta[i, j] < 22.5)) or
((theta[i, j] <= -157.5) and (theta[i, j] >= -180)) or
((theta[i, j] >= 157.5) and (theta[i, j] < 180))):
theta[i, j] = 0.0
elif (((theta[i, j] >= 22.5) and (theta[i, j] < 67.5)) or
((theta[i, j] <= -112.5) and (theta[i, j] >= -157.5))):
theta[i, j] = -45.0
elif (((theta[i, j] >= 67.5) and (theta[i, j] < 112.5)) or
((theta[i, j] <= -67.5) and (theta[i, j] >= -112.5))):
theta[i, j] = 90.0
elif (((theta[i, j] >= 112.5) and (theta[i, j] < 157.5)) or
((theta[i, j] <= -22.5) and (theta[i, j] >= -67.5))):
theta[i, j] = 45.0
'''
for i in range(1, rows - 1):
for j in range(1, cols - 1):
Gy = [np.sum(m2 * img[i - 1:i + 2, j - 1:j + 2])]
#Gy = (np.dot(np.array([1, 1, 1]), (m2 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]]))
Gx = [np.sum(m1 * img[i - 1:i + 2, j - 1:j + 2])]
#Gx = (np.dot(np.array([1, 1, 1]), (m1 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]]))
if Gx[0] == 0:
theta[i - 1, j - 1] = 90
continue
else:
temp = (np.arctan2(Gy[0], Gx[0])) * 180 / np.pi)
if Gx[0] * Gy[0] > 0:
if Gx[0] > 0:
#     
theta[i - 1, j - 1] = np.abs(temp)
else:
#     
theta[i - 1, j - 1] = (np.abs(temp) - 180)
if Gx[0] * Gy[0] < 0:
if Gx[0] > 0:
#     
theta[i - 1, j - 1] = (-1) * np.abs(temp)
else:
#     
theta[i - 1, j - 1] = 180 - np.abs(temp)

img1[i - 1, j - 1] = (np.sqrt(Gx[0] ** 2 + Gy[0] ** 2))
for i in range(1, rows - 2):
for j in range(1, cols - 2):
if (((theta[i, j] >= -22.5) and (theta[i, j] < 22.5)) or
((theta[i, j] <= -157.5) and (theta[i, j] >= -180)) or
((theta[i, j] >= 157.5) and (theta[i, j] < 180))):
theta[i, j] = 90.0
elif (((theta[i, j] >= 22.5) and (theta[i, j] < 67.5)) or
((theta[i, j] <= -112.5) and (theta[i, j] >= -157.5))):
theta[i, j] = 45.0
elif (((theta[i, j] >= 67.5) and (theta[i, j] < 112.5)) or
((theta[i, j] <= -67.5) and (theta[i, j] >= -112.5))):
theta[i, j] = 0.0
elif (((theta[i, j] >= 112.5) and (theta[i, j] < 157.5)) or
((theta[i, j] <= -22.5) and (theta[i, j] >= -67.5))):
theta[i, j] = -45.0

'''
#    :           
img2 = np.zeros(img1.shape) #           

for i in range(1, img2.shape[0] - 1):
for j in range(1, img2.shape[1] - 1):
# 0 j  
if (theta[i, j] == 0.0) and (img1[i, j] == np.max([img1[i, j], img1[i + 1, j], img1[i - 1, j]])):
img2[i, j] = img1[i, j]

if (theta[i, j] == -45.0) and img1[i, j] == np.max([img1[i, j], img1[i - 1, j - 1], img1[i + 1, j + 1]]):
img2[i, j] = img1[i, j]

if (theta[i, j] == 90.0) and img1[i, j] == np.max([img1[i, j], img1[i, j + 1], img1[i, j - 1]]):
img2[i, j] = img1[i, j]

if (theta[i, j] == 45.0) and img1[i, j] == np.max([img1[i, j], img1[i - 1, j + 1], img1[i + 1, j - 1]]):
img2[i, j] = img1[i, j]

#    :          
img3 = np.zeros(img2.shape) #        
# TL = 0.4*np.max(img2)
# TH = 0.5*np.max(img2)
TL = 50
TH = 100
#            
for i in range(1, img3.shape[0] - 1):
for j in range(1, img3.shape[1] - 1):
if img2[i, j] < TL:
img3[i, j] = 0
elif img2[i, j] > TH:
img3[i, j] = 255
elif ((img2[i + 1, j] < TH) or (img2[i - 1, j] < TH) or (img2[i, j + 1] < TH) or
(img2[i, j - 1] < TH) or (img2[i - 1, j - 1] < TH) or (img2[i - 1, j + 1] < TH) or
(img2[i + 1, j + 1] < TH) or (img2[i + 1, j - 1] < TH)):
img3[i, j] = 255

cv2.namedWindow('1', 0)
cv2.resizeWindow("1", 640, 480)
cv2.namedWindow('2', 0)
cv2.resizeWindow("2", 640, 480)
cv2.namedWindow('3', 0)
cv2.resizeWindow("3", 640, 480)
cv2.namedWindow('4', 0)
cv2.resizeWindow("4", 640, 480)
cv2.imshow("1", img) #     
cv2.imshow("2", img1) #      
cv2.imshow("3", img2) #          
cv2.imshow("4", img3) #      
cv2.waitKey(0)
실행 결 과 는 다음 과 같다.


이상 은 python 이 canny 변두리 검 측 을 실현 하 는 상세 한 내용 입 니 다.canny 변두리 검 측 에 관 한 자 료 는 다른 관련 글 을 주목 하 세 요!

좋은 웹페이지 즐겨찾기