使用canny方法在一定程度上的边缘检测

Question

我正在使用MATLAB。我想用canny方法进行边缘检测。但我需要的是对角线的边缘或只有40至50度角的边缘。我怎样才能做到这一点？

Answer 1

你需要自己编写canny边缘检测器的代码（你会得到很多的实现）在互联网上。然后，您将在第二步中计算梯度幅度和梯度方向。你需要过滤掉角度和相应的大小。

希望这可以帮助你。

Answer 2

我已经回答了一个类似的问题，关于如何使用Matlab的edge函数来找到Canny的定向边（Orientational Canny Edge Detection），但我也想尝试一下由Avijit建议的自定义实现。

Canny Edge Detection steps：

1. 开始的图像，我会使用一个内置的演示图像。

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

2. 高斯滤波器

   A_filter = imgaussfilt(A); 
   

3. Sobel Edge Detection - 我们不能使用内置的实现（edge(A_filter, 'Sobel')），因为我们想要的边缘角度，而不仅仅是边缘的位置，所以我们执行我们的运营商。

   a。卷积找到定向梯度

   %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。计算角度

   A_angle = arctan(A_vertical./A_horizontal); 
   

4. 在该步骤中，我们通过取向传统仓边缘（0°，45°，90°，135°），但由于只希望40幅50度之间的对角边缘，我们将保留这些边缘并丢弃其余部分。

   % 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. 在剩余的边缘执行非最大抑制 - 这是为了适应不同的角度最困难的部分。要找到精确的边缘位置，可以比较两个相邻像素：对于0°边缘，比较东西向，对于45°西南像素，对于东北像素，对于南北向为90°，对于东经135°，西向像素到东南像素。由于您所需的角度接近45°，因此我只是使用了西南方向，但是如果您想要10°到20°，则需要对这些比较进行更多的考虑。

   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. 边缘具迟滞的跟踪 - 确定弱边缘像素是否足够接近（我用一个3x3窗口），以强大的边缘像素。如果是，请将它们包含在边缘。如果不是，他们是噪音;删除它们。

   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 
   

这里是我的结果。

正如你所看到的，删除了其它边缘方位，因为检测到更少的强烈像素对滞后一步一个非常负面的影响。调整high_threshold会有所帮助。另一种选择是使用所有边缘方向执行步骤5和6，然后使用diagonal_map提取对角线边缘。