使用canny方法在一定程度上的邊緣檢測

Question

我正在使用MATLAB。我想用canny方法進行邊緣檢測。但我需要的是對角線的邊緣或只有40至50度角的邊緣。我怎樣才能做到這一點？

Answer 1

你需要自己編寫canny邊緣檢測器的代碼（你會得到很多的實現）在互聯網上。然後，您將在第二步中計算梯度幅度和梯度方向。你需要過濾掉角度和相應的大小。

希望這可以幫助你。

Answer 2

我已經回答了一個類似的問題，關於如何使用Matlab的edge函數來找到Canny的定向邊（Orientational Canny Edge Detection），但我也想嘗試一下由Avijit建議的自定義實現。

Canny Edge Detection steps：

1. 開始的圖像，我會使用一個內置的演示圖像。

   A = im2double(rgb2gray(imread('peppers.png'))); 
   

2. 高斯濾波器

   A_filter = imgaussfilt(A); 
   

3. Sobel Edge Detection - 我們不能使用內置的實現（edge(A_filter, 'Sobel')），因爲我們想要的邊緣角度，而不僅僅是邊緣的位置，所以我們執行我們的運營商。

   a。卷積找到定向梯度

   %These filters measure the difference in values between vertically or horizontally adjacent pixels. 
   %Effectively, this finds vertical and horizontal gradients. 
   vertical_filter = [-1 0 1; -2 0 2; -1 0 1]; 
   horizontal_filter = [-1 -2 -1; 0 0 0; 1 2 1]; 
   A_vertical = conv2(A_filter, vertical_filter, 'same'); 
   A_horizontal = conv2(A_filter, horizontal_filter, 'same'); 
   

   b。計算角度

   A_angle = arctan(A_vertical./A_horizontal); 
   

4. 在該步驟中，我們通過取向傳統倉邊緣（0°，45°，90°，135°），但由於只希望40幅50度之間的對角邊緣，我們將保留這些邊緣並丟棄其餘部分。

   % I lowered the thresholds to include more pixels 
   % But for your original post, you would use 40 and 50 
   lower_angle_threshold = 22.5; 
   upper_angle_threshold = 67.5; 
   diagonal_map = zeros(size(A), 'logical'); 
   diagonal_map (A_angle>(lower_angle_threshold*pi/180) & A_angle<(upper_angle_threshold*pi/180)) = 1; 
   

5. 在剩餘的邊緣執行非最大抑制 - 這是爲了適應不同的角度最困難的部分。要找到精確的邊緣位置，可以比較兩個相鄰像素：對於0°邊緣，比較東西向，對於45°西南像素，對於東北像素，對於南北向爲90°，對於東經135°，西向像素到東南像素。由於您所需的角度接近45°，因此我只是使用了西南方向，但是如果您想要10°到20°，則需要對這些比較進行更多的考慮。

   non_max = A_sobel; 
   [n_rows, n_col] = size(A); 
   %For every pixel 
   for row = 2:n_rows-1 
       for col = 2:n_col-1 
        %If we are at a diagonal edge 
        if(diagonal_map(row, col)) 
         %Compare north east and south west pixels 
         if(A_sobel(row, col)<A_sobel(row-1, col-1) || ... 
           A_sobel(row, col)<A_sobel(row+1, col+1)) 
          non_max(row, col) = 0; 
         end 
        else 
         non_max(row, col) = 0; 
        end 
       end 
   end 
   

6. 邊緣具遲滯的跟蹤 - 確定弱邊緣像素是否足夠接近（我用一個3x3窗口），以強大的邊緣像素。如果是，請將它們包含在邊緣。如果不是，他們是噪音;刪除它們。

   high_threshold = 0.5; %These thresholds are tunable parameters 
   low_threshold = 0.01; 
   
   weak_edge_pixels = non_max > low_threshold & non_max < high_threshold; 
   strong_edge_pixels = non_max > high_threshold; 
   
   final = strong_edge_pixels; 
   for row = 2:n_rows-1 
       for col = 2:n_col-1 
        window = strong_edge_pixels(row-1:row+1, col-1:col+1); 
        if(weak_edge_pixels(row, col) && any(window(:))) 
         final(row, col) = 1; 
        end 
       end 
   end 
   

這裏是我的結果。

正如你所看到的，刪除了其它邊緣方位，因爲檢測到更少的強烈像素對滯後一步一個非常負面的影響。調整high_threshold會有所幫助。另一種選擇是使用所有邊緣方向執行步驟5和6，然後使用diagonal_map提取對角線邊緣。