otomatik olarak hesaplanması OpenCV

Question

, açıkgöz operatör için düşük ve yüksek eşikleri zorunludur:

Matlab içinde

cvCanny(input,output,thresh1,thresh2) 

, otomatik olarak bu hesaplamak için bir seçenek var:

edge(input,'canny') 

Matlab'ın kod kenarına baktım ve bu otomatik olarak bunları hesaplamak için gerçekten doğru değil.

Opencv için otomatik eşik hesaplaması ile birlikte kanlı operatörün herhangi bir uygulamasının farkında mısınız?

sayesinde

Answer 1

. Bu Canny algoritması için otomatik eşik değerlerini belirlemek için iyi bir yöntem aramak için geliyor herkes yardımcı olur

Umut ...

---

resminizin farklı ön ve arka plan, ön plan nesne daha sonra kenarına oluşuyorsa

can kullanılarak

1. hesaplama Otsu eşiği:

   double otsu_thresh_val = cv::threshold(
       orig_img, _img, 0, 255, CV_THRESH_BINARY | CV_THRESH_OTSU 
   ); 
   

   izleyerek ekstre kullanır

   _img'a ihtiyacımız yok. Sadece otsu_thresh_val ile ilgileniyoruz ama maalesef şu anda OpenCV'de sadece eşik değerini hesaplamanıza imkan veren bir yöntem yok.

2. Otsu'nun eşik değerini daha yüksek eşik olarak ve Canny algoritması için alt eşik ile aynı olanın yarısı olarak kullanın. Buna ilişkin

   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); 
   

fazla bilgi this paper: The Study on An Application of Otsu Method in Canny Operator bulunabilir. Otsu uygulamasının bir açıklaması here bulunabilir.

Answer 2

Sen girdi gri ölçekli bir görüntüde ortalama değeri kullanın ve standart sapma kullanılarak alt ve üst eşikleri tanımlayabilir. Burada daha detaylı açıklama ve opencv kodu sahip olabilir: http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/

Answer 3

Ayrıca OpenCV yapı içinde bu koyarak, otomatik olarak yapmak için kullanılabilir kod yoktur. OpenCV kullanıcı posta listesinde buldum, bu yüzden garanti yok. :)

Tartışma: http://opencv-users.1802565.n2.nabble.com/Automatic-thresholding-in-cvCanny-td5871024.html GitHub (kod): Ben otomatik Canny en eşik değerlerini hesaplamak için bir yol aramaya iken bu cevap tökezledi https://gist.github.com/756833

Answer 4

Luca Del Tongo'nun önerdiği gibi, gri görüntüden eşikleri hesaplayabilirsiniz, ör. Java'da 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); 

Answer 5

Aynı probleme başka bir yaklaşımım var. Bu çözüm ayrıca kenar algılama için optimal eşiklerin seçimini içerir.

• İlk hesaplama gri skala görüntü medyan.
• Gri ​​ölçek görüntüsünün medyanı değerine göre iki değer (alt ve üst eşikler) seçin.

aşağıdaki yalancı kod, yapılan nasıl gösterir:

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)) 

tedbirli kenar algılama fonksiyonu parametreler olarak, bu eşik sabitleyin.

Şekil: İstatistikte bir Gauss eğrisini gözlemlerseniz, eğrinin her iki tarafındaki 0,33 arasındaki değerler dağıtımda dikkate alınır. Bu noktaların dışındaki herhangi bir değerin aykırı olduğu varsayılır. Görüntüler veri olarak kabul edildiğinden, bu kavram da burada varsayılmaktadır.

Answer 6

Ben Matlab Canny kenar algılama kaynak koduna baktım ve ben filepath çıkış görüntüleri tutmak için yer OpenCV 3.

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; 
} 

ile Java yazmaya başardı. Ve giriş görüntüsü U8 veri tipi ile gri ölçekli bir görüntü olmalıdır. Temel ilke, parlaklık tarafından nonEdgeRate (% 60) pikselini kenar olmayan piksel olarak dışlamaktır. Parlaklığı sıralamak için bir histogram kullanılır ve üst eşik değeri% 60 pikselin altında olacak şekilde ayarlanır. Alt eşik, üst eşiği eşik (0,6) ile çarparak ayarlanır.

Özel kullanma durumumda, nonEdgeRate = 0.6 ve double thresholdRate = 0.6 çiftlerinin benim tarafımdan ayarlandığını unutmayın. Orijinal değerler matlabda ayrı ayrı 0.7 ve 0.4'dür.

Answer 7

ara üzerinden bu bağlantı: http://www.pyimagesearch.com/2015/04/06/zero-parameter-automatic-canny-edge-detection-with-python-and-opencv/

Bunlar tekin kenar algılama için, düşük ve yüksek eşik seviyesinin belirlenmesi için basit istatistikler kullanılarak benzer bir çözüm uygulanması.

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