OpenCV Canny 源碼注釋與分析

標籤：

OpenCV Canny 源碼注釋與分析  
    1986年，John F.Canny 完善了邊緣檢測理論，Canny演算法以此命名。
    Canny 演算法的步驟：
    1. 使用濾波器卷積降噪      
    2. 使用Sobel導數計算梯度幅值和方向      
    3. 非極大值抑制 + 滯後閾值   
    在正式處理前，用高斯濾平滑波器對映像做濾波降噪的操作，避免雜訊點的幹擾，但在OpenCV的canny源碼中，沒有進行高斯濾波，需要使用者自行濾波；有些資料將非極大值抑制和滯後閾值視為兩個步驟也是可行的，但是在源碼中非極大值抑制 和滯後閾值是同時進行的。
canny源碼的位置：\opencv\sources\modules\imgproc\src\canny.cpp參考了網上許多資料，有不足之處請指正，謝謝。

/*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_CANNYnamespace 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;}}#endifvoid cv::Canny( InputArray _src, OutputArray _dst,                double low_thresh, double high_thresh,                int aperture_size, bool L2gradient ){    Mat src = _src.getMat();           //輸入映像，必須為單通道灰階圖    CV_Assert( src.depth() == CV_8U ); // 8位無符號    _dst.create(src.size(), CV_8U);    //根據src的大小構造目標矩陣dst    Mat dst = _dst.getMat();           //輸出映像，為單通道黑白圖            // low_thresh 表示低閾值， high_thresh表示高閾值    // aperture_size 表示運算元大小，預設為3    // L2gradient計算梯度幅值的標識，預設為false    // 如果L2gradient為false 並且 apeture_size的值為-1（-1的二進位標識為：1111 1111）    // L2gradient為false 則計算sobel導數時，用G = |Gx|+|Gy|    // L2gradient為true  則計算sobel導數時，用G = Math.sqrt((Gx)^2 + (Gy)^2) 根號下 開平方    if (!L2gradient && (aperture_size & CV_CANNY_L2_GRADIENT) == CV_CANNY_L2_GRADIENT)    {// CV_CANNY_L2_GRADIENT 宏定義其值為： Value = (1<<31) 1左移31位  即2147483648        //backward compatibility        // ~標識按位取反        aperture_size &= ~CV_CANNY_L2_GRADIENT;L2gradient = true;    }    // 判別條件1：aperture_size是奇數    // 判別條件2: aperture_size的範圍應當是[3,7], 預設值3     if ((aperture_size & 1) == 0 || (aperture_size != -1 && (aperture_size < 3 || aperture_size > 7)))        CV_Error(CV_StsBadFlag, "");  // 報錯    if (low_thresh > high_thresh)           // 如果低閾值 > 高閾值        std::swap(low_thresh, high_thresh); // 則交換低閾值和高閾值#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為輸入映像的通道數    Mat dx(src.rows, src.cols, CV_16SC(cn)); // 儲存 x方向 方嚮導數的矩陣，CV_16SC(cn)：16位有符號cn通道    Mat dy(src.rows, src.cols, CV_16SC(cn)); // 儲存 y方向 方嚮導數的矩陣 ......    /*Sobel參數說明：(參考cvSobel)        cvSobel(        const  CvArr* src,                // 輸入映像        CvArr*        dst,                // 輸入映像        int           xorder，            // x方向求導的階數        int           yorder，          // y方向求導的階數        int           aperture_size = 3   // 濾波器的寬和高 必須是奇數);    */    // BORDER_REPLICATE 表示當卷積點在映像的邊界時，原始映像邊緣的像素會被複製，並用複製的像素擴充原始圖的尺寸    //計算x方向的sobel方嚮導數，計算結果存在dx中    Sobel(src, dx, CV_16S, 1, 0, aperture_size, 1, 0, cv::BORDER_REPLICATE);     //計算y方向的sobel方嚮導數，計算結果存在dy中    Sobel(src, dy, CV_16S, 0, 1, aperture_size, 1, 0, cv::BORDER_REPLICATE);     //L2gradient為true時， 表示需要根號下開平方運算，閾值也需要平方    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;    //低閾值平方運算        if (high_thresh > 0) high_thresh *= high_thresh; //高閾值平方運算    }    int low = cvFloor(low_thresh);   // cvFloor返回不大於參數的最大整數值, 相當於取整    int high = cvFloor(high_thresh);    // ptrdiff_t 是C/C++標準庫中定義的一個資料類型，signed類型，通常用於儲存兩個指標的差（距離），可以是負數    // mapstep 用於存放    ptrdiff_t mapstep = src.cols + 2; // +2 表示左右各擴充一條邊        // AutoBuffer<uchar> 會自動分配一定大小的記憶體，並且指定記憶體中的資料類型是uchar    // 列數 +2 表示映像左右各自擴充一條邊 （用於複製邊緣像素，擴大原始映像）    // 行數 +2 表示映像上下各自擴充一條邊    AutoBuffer<uchar> buffer((src.cols+2)*(src.rows+2) + cn * mapstep * 3 * sizeof(int));    int* mag_buf[3]; //定義一個大小為3的int型指標數組，    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次冪 1024    std::vector<uchar*> stack(maxsize); // 定義指標類型向量，用於存地址    uchar **stack_top = &stack[0];      // 棧頂指標（指向指標的指標），指向stack[0], stack[0]也是一個指標    uchar **stack_bottom = &stack[0];   // 棧底指標 ，初始時 棧底指標 == 棧頂指標    // 梯度的方向被近似到四個角度之一 (0, 45, 90, 135 四選一)    /* sector numbers       (Top-Left Origin)        1   2   3         *  *  *          * * *        0*******0          * * *         *  *  *        3   2   1    */        // define 定義函數塊    // CANNY_PUSH(d) 是入棧函數， 參數d表示地址指標，讓該指標指向的內容為整數2，併入棧，棧頂指標+1    // 2表示 像素屬於某條邊緣 可以看下方的注釋    // CANNY_POP(d) 是出棧函數， d指向棧底指標    #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 可能屬於邊緣    //   1 - the pixel can not belong to an edge 不屬於邊緣    //   2 - the pixel does belong to an edge 一定屬於邊緣        // for內進行非極大值抑制 + 滯後閾值處理    for (int i = 0; i <= src.rows; i++) // i 表示第i行    {// i == 0 時，_norm 指向 mag_buf[1]// i > 0 時， _norm 指向 mag_buf[2]// +1 表示跳過每行的第一個元素，因為是後擴充的邊，不可能是邊緣int* _norm = mag_buf[(i > 0) + 1] + 1;                 if (i < src.rows)        {            short* _dx = dx.ptr<short>(i); // _dx指向dx矩陣的第i行            short* _dy = dy.ptr<short>(i); // _dy指向dy矩陣的第i行            if (!L2gradient) // 如果 L2gradient為false            {                for (int j = 0; j < src.cols*cn; j++) // 對第i行裡的每一個值都進行計算                    _norm[j] = std::abs(int(_dx[j])) + std::abs(int(_dy[j])); // 用||+||計算            }            else            {                for (int j = 0; j < src.cols*cn; j++)//用平方計算,當 L2gradient為 true時，高低閾值都被平方了，所以此處_norm[j]無需開平方                    _norm[j] = int(_dx[j])*_dx[j] + int(_dy[j])*_dy[j]; //            }            if (cn > 1) // 如果不是單通道（由於輸入映像必須是單通道，所以個人覺得這個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; // 最後一列和第一列的梯度幅值設定為0        }        // 當i == src.rows （最後一行）時，申請空間並且每個空間的值初始化為0, 儲存在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表示跳過該行第一個元素        _map[-1] = _map[src.cols] = 1;     // 第一列和最後一列不是邊緣，所以設定為1        int* _mag = mag_buf[1] + 1;        // take the central row 中間那一行        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);// 如果棧的大小不夠，則重新為棧分配記憶體（相當於擴大容量）        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; //前一個像素點 0：非邊緣點 ；1：邊緣點        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) // 如果大於低閾值            {                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) //角度小於22.5 用區間表示：[0, 22.5)                {    // 與左右兩點的梯度幅值比較，如果比左右都大    //（此時當前點是左右鄰域內的極大值），則 goto __ocv_canny_push 執行入棧操作                    if (m > _mag[j-1] && m >= _mag[j+1]) goto __ocv_canny_push;                }                else //角度大於22.5                {                    int tg67x = tg22x + (x << (CANNY_SHIFT+1));                    if (y > tg67x) //(67.5, 90)                    {                    //與上下兩點的梯度幅值比較，如果比上下都大                    //（此時當前點是左右鄰域內的極大值），則 goto __ocv_canny_push 執行入棧操作                        if (m > _mag[j+magstep2] && m >= _mag[j+magstep1]) goto __ocv_canny_push;                    }                    else //[22.5, 67.5]                    {                    // ^ 按位異或 如果xs與ys異號 則取-1 否則取1                        int s = (xs ^ ys) < 0 ? -1 : 1;                        //比較對角線鄰域                        if (m > _mag[j+magstep2-s] && m > _mag[j+magstep1+s]) goto __ocv_canny_push;                    }                }            }                //比當前的梯度幅值低閾值還低，直接被確定為非邊緣            prev_flag = 0;            _map[j] = uchar(1); // 1 表示不屬於邊緣                        continue;__ocv_canny_push:    // 前一個點不是邊緣點 並且 當前點的幅值大於高閾值 並且 正上方的點不是邊緣點            if (!prev_flag && m > high && _map[j-mapstep] != 2)            {            //將當前點的地址入棧，入棧前，會將該點地址指向的值設定為2（查看上面的宏定義函數塊裡）                CANNY_PUSH(_map + j);                 prev_flag = 1;            }            else                _map[j] = 0;        }        // scroll the ring buffer        // 交換指標指向的位置，向上覆蓋，把mag_[1]的內容覆蓋到mag_buf[0]上        // 把mag_[2]的內容覆蓋到mag_buf[1]上// 最後 讓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)    // 通過上面的for迴圈，確定了各個鄰域內的極大值點為邊緣點（標記為2）    // 現在，在這些邊緣點的8鄰域內（上下左右+4個對角）,將可能的邊緣點（標記為0）確定為邊緣    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); // 出棧        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    // 產生邊緣圖    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 源碼注釋與分析