码迷,mamicode.com
首页 > 其他好文 > 详细

OpenCV Canny 源码注释与分析

时间:2016-07-10 18:54:23      阅读:313      评论:0      收藏:0      [点我收藏+]

标签:

OpenCV Canny 源码注释与分析  

    1986年,John F.Canny 完善了边缘检测理论,Canny算法以此命名。
    Canny 算法的步骤:
    1. 使用滤波器卷积降噪      
    2. 使用Sobel导数计算梯度幅值和方向      
    3. 非极大值抑制 + 滞后阈值   
    在正式处理前,用高斯滤平滑波器对图像做滤波降噪的操作,避免噪声点的干扰,但在OpenCV的canny源码中,没有进行高斯滤波,需要使用者自行滤波;有些资料将非极大值抑制和滞后阈值视为两个步骤也是可行的,但是在源码中非极大值抑制 和滞后阈值是同时进行的。

canny源码的位置:\opencv\sources\modules\imgproc\src\canny.cpp
参考了网上许多资料,有不足之处请指正,谢谢。

/*M///////////////////////////////////////////////////////////////////////////////////////
//
//  IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING.
//
//  By downloading, copying, installing or using the software you agree to this license.
//  If you do not agree to this license, do not download, install,
//  copy or use the software.
//
//
//                        Intel License Agreement
//                For Open Source Computer Vision Library
//
// Copyright (C) 2000, Intel Corporation, all rights reserved.
// Third party copyrights are property of their respective owners.
//
// Redistribution and use in source and binary forms, with or without modification,
// are permitted provided that the following conditions are met:
//
//   * Redistribution's of source code must retain the above copyright notice,
//     this list of conditions and the following disclaimer.
//
//   * Redistribution's in binary form must reproduce the above copyright notice,
//     this list of conditions and the following disclaimer in the documentation
//     and/or other materials provided with the distribution.
//
//   * The name of Intel Corporation may not be used to endorse or promote products
//     derived from this software without specific prior written permission.
//
// This software is provided by the copyright holders and contributors "as is" and
// any express or implied warranties, including, but not limited to, the implied
// warranties of merchantability and fitness for a particular purpose are disclaimed.
// In no event shall the Intel Corporation or contributors be liable for any direct,
// indirect, incidental, special, exemplary, or consequential damages
// (including, but not limited to, procurement of substitute goods or services;
// loss of use, data, or profits; or business interruption) however caused
// and on any theory of liability, whether in contract, strict liability,
// or tort (including negligence or otherwise) arising in any way out of
// the use of this software, even if advised of the possibility of such damage.
//
//M*/

#include "precomp.hpp"

/*
#if defined (HAVE_IPP) && (IPP_VERSION_MAJOR >= 7)
#define USE_IPP_CANNY 1
#else
#undef USE_IPP_CANNY
#endif
*/
#ifdef USE_IPP_CANNY
namespace cv
{
static bool ippCanny(const Mat& _src, Mat& _dst, float low,  float high)
{
    int size = 0, size1 = 0;
    IppiSize roi = { _src.cols, _src.rows };

    ippiFilterSobelNegVertGetBufferSize_8u16s_C1R(roi, ippMskSize3x3, &size);
    ippiFilterSobelHorizGetBufferSize_8u16s_C1R(roi, ippMskSize3x3, &size1);
    size = std::max(size, size1);
    ippiCannyGetSize(roi, &size1);
    size = std::max(size, size1);

    AutoBuffer<uchar> buf(size + 64);
    uchar* buffer = alignPtr((uchar*)buf, 32);

    Mat _dx(_src.rows, _src.cols, CV_16S);
    if( ippiFilterSobelNegVertBorder_8u16s_C1R(_src.data, (int)_src.step,
                    _dx.ptr<short>(), (int)_dx.step, roi,
                    ippMskSize3x3, ippBorderRepl, 0, buffer) < 0 )
        return false;

    Mat _dy(_src.rows, _src.cols, CV_16S);
    if( ippiFilterSobelHorizBorder_8u16s_C1R(_src.data, (int)_src.step,
                    _dy.ptr<short>(), (int)_dy.step, roi,
                    ippMskSize3x3, ippBorderRepl, 0, buffer) < 0 )
        return false;

    if( ippiCanny_16s8u_C1R(_dx.ptr<short>(), (int)_dx.step,
                            _dy.ptr<short>(), (int)_dy.step,
                            _dst.data, (int)_dst.step, roi, low, high, buffer) < 0 )
        return false;
    return true;
}
}
#endif

void cv::Canny( InputArray _src, OutputArray _dst,
                double low_thresh, double high_thresh,
                int aperture_size, bool L2gradient )
{
    Mat src = _src.getMat();           //输入图像,必须为单通道灰度图
    CV_Assert( src.depth() == CV_8U ); // 8位无符号

    _dst.create(src.size(), CV_8U);    //根据src的大小构造目标矩阵dst
    Mat dst = _dst.getMat();           //输出图像,为单通道黑白图
    
    
    // low_thresh 表示低阈值, high_thresh表示高阈值
    // aperture_size 表示算子大小,默认为3
    // L2gradient计算梯度幅值的标识,默认为false

    // 如果L2gradient为false 并且 apeture_size的值为-1(-1的二进制标识为:1111 1111)
    // L2gradient为false 则计算sobel导数时,用G = |Gx|+|Gy|
    // L2gradient为true  则计算sobel导数时,用G = Math.sqrt((Gx)^2 + (Gy)^2) 根号下 开平方
	
    if (!L2gradient && (aperture_size & CV_CANNY_L2_GRADIENT) == CV_CANNY_L2_GRADIENT)
    {
	// CV_CANNY_L2_GRADIENT 宏定义其值为: Value = (1<<31) 1左移31位  即2147483648
        //backward compatibility
        
	// ~标识按位取反
        aperture_size &= ~CV_CANNY_L2_GRADIENT;
	L2gradient = true;
    }


    // 判别条件1:aperture_size是奇数
    // 判别条件2: aperture_size的范围应当是[3,7], 默认值3 
    if ((aperture_size & 1) == 0 || (aperture_size != -1 && (aperture_size < 3 || aperture_size > 7)))
        CV_Error(CV_StsBadFlag, "");  // 报错

    if (low_thresh > high_thresh)           // 如果低阈值 > 高阈值
        std::swap(low_thresh, high_thresh); // 则交换低阈值和高阈值

#ifdef HAVE_TEGRA_OPTIMIZATION
    if (tegra::canny(src, dst, low_thresh, high_thresh, aperture_size, L2gradient))
        return;
#endif

#ifdef USE_IPP_CANNY
    if( aperture_size == 3 && !L2gradient &&
        ippCanny(src, dst, (float)low_thresh, (float)high_thresh) )
        return;
#endif

    const int cn = src.channels();           // cn为输入图像的通道数
    Mat dx(src.rows, src.cols, CV_16SC(cn)); // 存储 x方向 方向导数的矩阵,CV_16SC(cn):16位有符号cn通道
    Mat dy(src.rows, src.cols, CV_16SC(cn)); // 存储 y方向 方向导数的矩阵 ......

    /*Sobel参数说明:(参考cvSobel)
        cvSobel(
        const  CvArr* src,                // 输入图像
        CvArr*        dst,                // 输入图像
        int           xorder,            // x方向求导的阶数
        int           yorder,	          // y方向求导的阶数
        int           aperture_size = 3   // 滤波器的宽和高 必须是奇数
	);
    */

    // BORDER_REPLICATE 表示当卷积点在图像的边界时,原始图像边缘的像素会被复制,并用复制的像素扩展原始图的尺寸
    //计算x方向的sobel方向导数,计算结果存在dx中
    Sobel(src, dx, CV_16S, 1, 0, aperture_size, 1, 0, cv::BORDER_REPLICATE); 
    //计算y方向的sobel方向导数,计算结果存在dy中
    Sobel(src, dy, CV_16S, 0, 1, aperture_size, 1, 0, cv::BORDER_REPLICATE); 

    //L2gradient为true时, 表示需要根号下开平方运算,阈值也需要平方
    if (L2gradient)
    {
        low_thresh = std::min(32767.0, low_thresh);
        high_thresh = std::min(32767.0, high_thresh);

        if (low_thresh > 0) low_thresh *= low_thresh;    //低阈值平方运算
        if (high_thresh > 0) high_thresh *= high_thresh; //高阈值平方运算
    }

    int low = cvFloor(low_thresh);   // cvFloor返回不大于参数的最大整数值, 相当于取整
    int high = cvFloor(high_thresh);

    // ptrdiff_t 是C/C++标准库中定义的一个数据类型,signed类型,通常用于存储两个指针的差(距离),可以是负数
    // mapstep 用于存放
    ptrdiff_t mapstep = src.cols + 2; // +2 表示左右各扩展一条边
    
    // AutoBuffer<uchar> 会自动分配一定大小的内存,并且指定内存中的数据类型是uchar
    // 列数 +2 表示图像左右各自扩展一条边 (用于复制边缘像素,扩大原始图像)
    // 行数 +2 表示图像上下各自扩展一条边
    AutoBuffer<uchar> buffer((src.cols+2)*(src.rows+2) + cn * mapstep * 3 * sizeof(int));

    int* mag_buf[3]; //定义一个大小为3的int型指针数组,
    mag_buf[0] = (int*)(uchar*)buffer;
    mag_buf[1] = mag_buf[0] + mapstep*cn;
    mag_buf[2] = mag_buf[1] + mapstep*cn;
    memset(mag_buf[0], 0, /* cn* */mapstep*sizeof(int));

    uchar* map = (uchar*)(mag_buf[2] + mapstep*cn);
    memset(map, 1, mapstep);
    memset(map + mapstep*(src.rows + 1), 1, mapstep);

    int maxsize = std::max(1 << 10, src.cols * src.rows / 10); // 2的10次幂 1024
    std::vector<uchar*> stack(maxsize); // 定义指针类型向量,用于存地址
    uchar **stack_top = &stack[0];      // 栈顶指针(指向指针的指针),指向stack[0], stack[0]也是一个指针
    uchar **stack_bottom = &stack[0];   // 栈底指针 ,初始时 栈底指针 == 栈顶指针


    // 梯度的方向被近似到四个角度之一 (0, 45, 90, 135 四选一)
    /* sector numbers
       (Top-Left Origin)

        1   2   3
         *  *  *
          * * *
        0*******0
          * * *
         *  *  *
        3   2   1
    */
    

    // define 定义函数块
    // CANNY_PUSH(d) 是入栈函数, 参数d表示地址指针,让该指针指向的内容为整数2,并入栈,栈顶指针+1
    // 2表示 像素属于某条边缘 可以看下方的注释
    // CANNY_POP(d) 是出栈函数, d指向栈底指针
    #define CANNY_PUSH(d)    *(d) = uchar(2), *stack_top++ = (d)
    #define CANNY_POP(d)     (d) = *--stack_top

    // calculate magnitude and angle of gradient, perform non-maxima suppression.
    // fill the map with one of the following values:
    //   0 - the pixel might belong to an edge 可能属于边缘
    //   1 - the pixel can not belong to an edge 不属于边缘
    //   2 - the pixel does belong to an edge 一定属于边缘
    
    // for内进行非极大值抑制 + 滞后阈值处理
    for (int i = 0; i <= src.rows; i++) // i 表示第i行
    {

	// i == 0 时,_norm 指向 mag_buf[1]
	// i > 0 时, _norm 指向 mag_buf[2]
	// +1 表示跳过每行的第一个元素,因为是后扩展的边,不可能是边缘
	int* _norm = mag_buf[(i > 0) + 1] + 1; 
        
        if (i < src.rows)
        {
            short* _dx = dx.ptr<short>(i); // _dx指向dx矩阵的第i行
            short* _dy = dy.ptr<short>(i); // _dy指向dy矩阵的第i行

            if (!L2gradient) // 如果 L2gradient为false
            {
                for (int j = 0; j < src.cols*cn; j++) // 对第i行里的每一个值都进行计算
                    _norm[j] = std::abs(int(_dx[j])) + std::abs(int(_dy[j])); // 用||+||计算
            }
            else
            {
                for (int j = 0; j < src.cols*cn; j++)
		//用平方计算,当 L2gradient为 true时,高低阈值都被平方了,所以此处_norm[j]无需开平方
                    _norm[j] = int(_dx[j])*_dx[j] + int(_dy[j])*_dy[j]; //
            }

            if (cn > 1) // 如果不是单通道(由于输入图像必须是单通道,所以个人觉得这个if不成立)
            {
                for(int j = 0, jn = 0; j < src.cols; ++j, jn += cn)
                {
                    int maxIdx = jn;
                    for(int k = 1; k < cn; ++k)
                        if(_norm[jn + k] > _norm[maxIdx]) maxIdx = jn + k;
                    _norm[j] = _norm[maxIdx];
                    _dx[j] = _dx[maxIdx];
                    _dy[j] = _dy[maxIdx];
                }
            }
            _norm[-1] = _norm[src.cols] = 0; // 最后一列和第一列的梯度幅值设置为0
        }
        // 当i == src.rows (最后一行)时,申请空间并且每个空间的值初始化为0, 存储在mag_buf[2]中
        else
            memset(_norm-1, 0, /* cn* */mapstep*sizeof(int)); 

        // at the very beginning we do not have a complete ring
        // buffer of 3 magnitude rows for non-maxima suppression
        if (i == 0)
            continue;

        uchar* _map = map + mapstep*i + 1; // _map 指向第 i+1 行,+1表示跳过该行第一个元素
        _map[-1] = _map[src.cols] = 1;     // 第一列和最后一列不是边缘,所以设置为1

        int* _mag = mag_buf[1] + 1;        // take the central row 中间那一行
        ptrdiff_t magstep1 = mag_buf[2] - mag_buf[1];
        ptrdiff_t magstep2 = mag_buf[0] - mag_buf[1];

        const short* _x = dx.ptr<short>(i-1);
        const short* _y = dy.ptr<short>(i-1);

	// 如果栈的大小不够,则重新为栈分配内存(相当于扩大容量)
        if ((stack_top - stack_bottom) + src.cols > maxsize)
        {
            int sz = (int)(stack_top - stack_bottom);
            maxsize = maxsize * 3/2;
            stack.resize(maxsize);
            stack_bottom = &stack[0];
            stack_top = stack_bottom + sz;
        }

        int prev_flag = 0; //前一个像素点 0:非边缘点 ;1:边缘点
        for (int j = 0; j < src.cols; j++) // 第 j 列
        {
            #define CANNY_SHIFT 15
            // tan22.5
            const int TG22 = (int)(0.4142135623730950488016887242097*(1<<CANNY_SHIFT) + 0.5);

            int m = _mag[j];

            if (m > low) // 如果大于低阈值
            {
                int xs = _x[j];    // dx中 第i-1行 第j列
                int ys = _y[j];    // dy中 第i-1行 第j列
                int x = std::abs(xs);
                int y = std::abs(ys) << CANNY_SHIFT;

                int tg22x = x * TG22;

                if (y < tg22x) //角度小于22.5 用区间表示:[0, 22.5)
                {
		    // 与左右两点的梯度幅值比较,如果比左右都大
		    //(此时当前点是左右邻域内的极大值),则 goto __ocv_canny_push 执行入栈操作
                    if (m > _mag[j-1] && m >= _mag[j+1]) goto __ocv_canny_push;
                }
                else //角度大于22.5
                {
                    int tg67x = tg22x + (x << (CANNY_SHIFT+1));
                    if (y > tg67x) //(67.5, 90)
                    {
                    	//与上下两点的梯度幅值比较,如果比上下都大
                    	//(此时当前点是左右邻域内的极大值),则 goto __ocv_canny_push 执行入栈操作
                        if (m > _mag[j+magstep2] && m >= _mag[j+magstep1]) goto __ocv_canny_push;
                    }
                    else //[22.5, 67.5]
                    {
                    	// ^ 按位异或 如果xs与ys异号 则取-1 否则取1
                        int s = (xs ^ ys) < 0 ? -1 : 1;
                        //比较对角线邻域
                        if (m > _mag[j+magstep2-s] && m > _mag[j+magstep1+s]) goto __ocv_canny_push;
                    }
                }
            }
            
	    //比当前的梯度幅值低阈值还低,直接被确定为非边缘
            prev_flag = 0;
            _map[j] = uchar(1); // 1 表示不属于边缘
            
            continue;
__ocv_canny_push:
	    // 前一个点不是边缘点 并且 当前点的幅值大于高阈值 并且 正上方的点不是边缘点
            if (!prev_flag && m > high && _map[j-mapstep] != 2)
            {
            	//将当前点的地址入栈,入栈前,会将该点地址指向的值设置为2(查看上面的宏定义函数块里)
                CANNY_PUSH(_map + j); 
                prev_flag = 1;
            }
            else
                _map[j] = 0;
        }

        // scroll the ring buffer
        // 交换指针指向的位置,向上覆盖,把mag_[1]的内容覆盖到mag_buf[0]上
        // 把mag_[2]的内容覆盖到mag_buf[1]上
	// 最后 让mag_buf[2]指向_mag指向的那一行
        _mag = mag_buf[0];
        mag_buf[0] = mag_buf[1];
        mag_buf[1] = mag_buf[2];
        mag_buf[2] = _mag;
    }

	
    // now track the edges (hysteresis thresholding)
    // 通过上面的for循环,确定了各个邻域内的极大值点为边缘点(标记为2)
    // 现在,在这些边缘点的8邻域内(上下左右+4个对角),将可能的边缘点(标记为0)确定为边缘
    while (stack_top > stack_bottom)
    {
        uchar* m;
        if ((stack_top - stack_bottom) + 8 > maxsize)
        {
            int sz = (int)(stack_top - stack_bottom);
            maxsize = maxsize * 3/2;
            stack.resize(maxsize);
            stack_bottom = &stack[0];
            stack_top = stack_bottom + sz;
        }

        CANNY_POP(m); // 出栈

        if (!m[-1])         CANNY_PUSH(m - 1);
        if (!m[1])          CANNY_PUSH(m + 1);
        if (!m[-mapstep-1]) CANNY_PUSH(m - mapstep - 1);
        if (!m[-mapstep])   CANNY_PUSH(m - mapstep);
        if (!m[-mapstep+1]) CANNY_PUSH(m - mapstep + 1);
        if (!m[mapstep-1])  CANNY_PUSH(m + mapstep - 1);
        if (!m[mapstep])    CANNY_PUSH(m + mapstep);
        if (!m[mapstep+1])  CANNY_PUSH(m + mapstep + 1);
    }

    // the final pass, form the final image
    // 生成边缘图
    const uchar* pmap = map + mapstep + 1;
    uchar* pdst = dst.ptr();
    for (int i = 0; i < src.rows; i++, pmap += mapstep, pdst += dst.step)
    {
        for (int j = 0; j < src.cols; j++)
            pdst[j] = (uchar)-(pmap[j] >> 1);
    }
}

void cvCanny( const CvArr* image, CvArr* edges, double threshold1,
              double threshold2, int aperture_size )
{
    cv::Mat src = cv::cvarrToMat(image), dst = cv::cvarrToMat(edges);
    CV_Assert( src.size == dst.size && src.depth() == CV_8U && dst.type() == CV_8U );

    cv::Canny(src, dst, threshold1, threshold2, aperture_size & 255,
              (aperture_size & CV_CANNY_L2_GRADIENT) != 0);
}

/* End of file. */


OpenCV Canny 源码注释与分析

标签:

原文地址:http://blog.csdn.net/u010429424/article/details/51866361

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!