opencv - 如何在 OpenCV 中实现的 Canny 边缘检测算法中选择最佳参数集？

Question

我在 Android 平台上使用 OpenCV。在这个社区和技术人员的巨大帮助下，我能够成功地从图像中检测出一张纸。

这些是我使用的步骤。

1. Imgproc.cvtColor()
2. Imgproc.Canny()
3. Imgproc.GausianBlur()
4. Imgproc.findContours()
5. Imgproc.approxPolyDP()
6. 找到最大矩形()
7. 找到矩形的顶点
8. 使用质心法找到矩形左上角逆时针顺序的顶点
9. 求矩形的高和宽只是为了保持纵横比，做warpPerspective变换。

应用所有这些步骤后，我可以轻松地从图像中获取文档或最大的矩形。但这在很大程度上取决于背景和文档页的强度差异。作为Canny edge detector根据强度梯度原理工作，始终从实现方面假设强度差异。这就是 Canny 考虑各种阈值参数的原因。

1. 降低阈值
2. 更高的阈值

所以如果一个像素的强度梯度大于更高的阈值，它将被添加为输出图像中的边缘像素。如果一个像素的强度梯度值低于下限阈值，则该像素将被完全拒绝。如果一个像素的强度介于较低阈值和较高阈值之间，则只有当它连接到值大于较高阈值的任何其他像素时，它才会被添加为边缘像素。

我的主要目的是使用 Canny 边缘检测进行文档扫描。那么我如何动态计算这些阈值，以便它可以同时处理深色和浅色背景？

我通过手动调整参数尝试了很多，但我找不到与场景相关的任何关系。

Answer 1

您可以使用 Otsu’s method 计算阈值.

(Python)代码看起来像这样:

high_thresh, thresh_im = cv2.threshold(im, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
lowThresh = 0.5*high_thresh