Android OpenCV（二十二）：边缘检测人工智能易-

边缘检测

什么是图像的边缘？

图像的边缘是图像最基本的特征之一。所谓边缘（或边沿）是指周围像素灰度有跳跃性变化或“屋顶”变化的那些像素的集合。边缘是图像局部强度变化最明显的地方，它主要存在于目标与目标、目标与背景、区域与区域之间，因此它是图像分割依赖的重要特征。从本质上说，图像边缘是图像局部特性不连续性（灰度突变、颜色突变、纹理结构突变等）的反应，它标志着一个区域的终结和另一个区域的开始。

检测出的边缘并不等同于实际目标的真实边缘。由于图像数据是二维的，而实际物体是三维的，从三维到二维的投影必然会造成信息的丢失，再加上成像过程中的光照不均和噪声等因素的影响，使得有边缘的地方不一定能被检测出来，而检测出的边缘也不一定代表实际边缘。

图像的边缘有方向和幅度两个属性，沿边缘方向像素变化平缓，垂直于边缘方向像素变化剧烈。边缘上的这种变化可以用微分算子检测出来，通常用一阶或两阶导数来检测边缘。一阶导数认为最大值对应边缘位置，而二阶导数则以过零点对应边缘位置。

由于图像是离散的信号，我们可以用临近的两个像素差值来表示像素灰度值函数的导数，如下：

这种X轴方向求导方式对应于滤波器为[1, -1]，对于Y轴方向则是[1, -1]的转置矩阵。

但是这种求导方式的计算结果最接近于两个像素中间位置的梯度，而两个像素之间是不存在像素的，因此，我们应该选取像素点的前后像素的差值来进行计算，如下：

此时，对应的X轴方向的滤波器为[0.5, 0, -0.5]，对应的Y轴方向的滤波器则是其转置矩阵。根据这种方式，我们也可以得到计算45度方向的梯度对应的滤波器。

$begin{matrix} 0.5 & 0 & 0 \ 0 & 0 & 0 \ 0 & 0 & -0.5 end{matrix}$

0.500​000​00−0.5​

$begin{matrix} 0 & 0 & 0.5 \ 0 & 0 & 0 \ -0.5 & 0 & 0 end{matrix}$

00−0.5​000​0.500​

API

图像卷积

public static void filter2D(Mat src, Mat dst, int ddepth, Mat kernel, Point anchor, double delta, int borderType) 

• 参数一：src，输入图像。
• 参数二：dst，输出图像，与输入图像具有相同的尺寸和通道数。
• 参数三：ddepth，输出图像的数据类型（深度），根据输入图像的数据类型不同拥有不同的取值范围。当赋值为-1时，输出图像的数据类型自动选择。
• 参数四：kernel，卷积核，CV_32FC1类型的矩阵。
• 参数五：anchor，内核的基准点(锚点)，默认值(-1,-1)代表内核基准点位于kernel的中心位置。基准点即卷积核中与进行处理的像素点重合的点，其位置必须在卷积核的内部。
• 参数六：delta，偏值，在计算结果中加上偏值。
• 参数七：borderType，像素外推法选择标志。默认参数为BORDER_DEFAULT，表示不包含边界值倒序填充。

绝对值

图像的边缘有可能是由高像素值变为低像素值，也有可能是由低像素值变成高像素值，通过卷积计算得到的正数值表示需要像素值突然由低变高，得到的负数值表示像素值由高到低，这两种都是图像的边缘，因此为了在图像中同时表示出这两种边缘信息，需要将计算的结果求取绝对值。

public static void convertScaleAbs(Mat src, Mat dst, double alpha, double beta) 

• 参数一：src，输入图像。
• 参数二：dst，计算绝对值后输入矩阵。
• 参数三：缩放因子，默认参数为只求取绝对值不进行缩放。
• 参数四：在原始数据上添加的偏值，默认参数表示不增加偏值。

该函数可以求取矩阵中所有数据的绝对值。函数前两个参数分别为输入、输出矩阵，两个参数可以是相同的变量。函数第三个和第四个参数为对绝对值的缩放和原始数据上的偏移。函数的计算原理如式：

$texttt{dst} (I)= texttt{saturate_cast<uchar>} (| texttt{src} (I)* texttt{alpha} + texttt{beta} |)$

dst(I)=saturate_cast<uchar>(∣src(I)∗alpha+beta∣)

操作

/**  * 边缘检测  * author: yidong  * 2020/5/2  */ class EdgeDetectionActivity : AppCompatActivity() { private lateinit var mBinding: ActivityEdgeDetectionBinding     private lateinit var mRgb: Mat      override fun onCreate(savedInstanceState: Bundle?) { super.onCreate(savedInstanceState)         mBinding = DataBindingUtil.setContentView(this, R.layout.activity_edge_detection) val bgr = Utils.loadResource(this, R.drawable.lena)         mRgb = Mat()         Imgproc.cvtColor(bgr, mRgb, Imgproc.COLOR_BGR2RGB) showMat(mBinding.ivLena, mRgb) } private fun showMat(view: ImageView, source: Mat) { val bitmap = Bitmap.createBitmap(source.width(), source.height(), Bitmap.Config.ARGB_8888)         bitmap.density = 360         Utils.matToBitmap(source, bitmap)         view.setImageBitmap(bitmap) } override fun onCreateOptionsMenu(menu: Menu?): Boolean {         menuInflater.inflate(R.menu.menu_edge_detection, menu) return true } override fun onOptionsItemSelected(item: MenuItem): Boolean { when (item.itemId) {             R.id.edge_detection_x -> { edgeDetectionX() }             R.id.edge_detection_y -> { edgeDetectionY() }             R.id.edge_detection_x_y -> { edgeDetectionXAndY() }             R.id.edge_detection_xy -> { edgeDetectionXY() }             R.id.edge_detection_yx -> { edgeDetectionYX() } } return true } private fun edgeDetectionX() {         title = "X轴方向边缘检测" // X轴方向边缘检测 val kernelX = Mat(1, 3, CvType.CV_16S) val arrayX = shortArrayOf(-1, 0, 1)         kernelX.put(0, 0, arrayX) val resultKernelX = Mat()         Imgproc.filter2D(mRgb, resultKernelX, CvType.CV_16S, kernelX)         Core.convertScaleAbs(resultKernelX, resultKernelX) showMat(mBinding.ivResult, resultKernelX)         kernelX.release()         resultKernelX.release() } private fun edgeDetectionY() {         title = "Y轴方向边缘检测" // Y轴方向边缘检测 val kernelY = Mat(3, 1, CvType.CV_16S) val arrayY = shortArrayOf(-1, 0, 1)         kernelY.put(0, 0, arrayY) val resultKernelY = Mat()         Imgproc.filter2D(mRgb, resultKernelY, CvType.CV_16S, kernelY)         Core.convertScaleAbs(resultKernelY, resultKernelY) showMat(mBinding.ivResult, resultKernelY)         kernelY.release()         resultKernelY.release() } private fun edgeDetectionXAndY() {         title = "X和Y轴方向边缘检测" // X轴方向边缘检测 val kernelX = Mat(1, 3, CvType.CV_16S) val arrayX = shortArrayOf(-1, 0, 1)         kernelX.put(0, 0, arrayX) val resultKernelX = Mat()         Imgproc.filter2D(mRgb, resultKernelX, CvType.CV_16S, kernelX)         Core.convertScaleAbs(resultKernelX, resultKernelX) // Y轴方向边缘检测 val kernelY = Mat(3, 1, CvType.CV_16S) val arrayY = shortArrayOf(-1, 0, 1)         kernelY.put(0, 0, arrayY) val resultKernelY = Mat()         Imgproc.filter2D(mRgb, resultKernelY, CvType.CV_16S, kernelY)         Core.convertScaleAbs(resultKernelY, resultKernelY) // X,Y轴方向合并 val resultXY = Mat()         Core.add(resultKernelX, resultKernelY, resultXY) showMat(mBinding.ivResult, resultXY)          kernelX.release()         resultKernelX.release()         kernelY.release()         resultKernelY.release()         resultXY.release() } private fun edgeDetectionXY() {         title = "由左上到右下方向边缘检测" //由左上到右下方向边缘检测 val kernelXY = Mat(2, 2, CvType.CV_16S) val arrayXY = shortArrayOf(1, 0, 0, -1)         kernelXY.put(0, 0, arrayXY) val resultKernelXY = Mat()         Imgproc.filter2D(mRgb, resultKernelXY, CvType.CV_16S, kernelXY)         Core.convertScaleAbs(resultKernelXY, resultKernelXY) showMat(mBinding.ivResult, resultKernelXY)         kernelXY.release()         resultKernelXY.release() } private fun edgeDetectionYX() {         title = "由右上到左下方向边缘检测" //由右上到左下方向边缘检测 val kernelYX = Mat(2, 2, CvType.CV_16S) val arrayYX = shortArrayOf(0, -1, 1, 0)         kernelYX.put(0, 0, arrayYX) val resultKernelYX = Mat()         Imgproc.filter2D(mRgb, resultKernelYX, CvType.CV_16S, kernelYX)         Core.convertScaleAbs(resultKernelYX, resultKernelYX) showMat(mBinding.ivResult, resultKernelYX)         kernelYX.release()         resultKernelYX.release() } } 

效果

源码

https://github.com/onlyloveyd/LearningAndroidOpenCV

扫码关注，持续更新

回复【计算机视觉】获取计算机视觉相关必备学习资料
回复【Android】获取Android,Kotlin必备学习资料