如何确定用于多边形逼近的 cvCanny 的最佳参数答案

【问题标题】：How to identify optimal parameters for cvCanny for polygon approximation如何确定用于多边形逼近的 cvCanny 的最佳参数
【发布时间】：2012-07-17 01:58:28
【问题描述】：

这是我的源图（忽略点，它们是后来手动添加的）：

我的目标是获得两只手的粗略多边形近似。像这样的：

我对如何做到这一点有一个大致的想法；我想用cvCanny 找边缘，cvFindContours 找轮廓，然后cvApproxPoly。

我面临的问题是我不知道如何正确使用cvCanny，特别是最后3个参数（threshold1&2，apertureSize）我应该使用什么？我试着做：

cvCanny(source, cannyProcessedImage, 20, 40, 3);

但结果并不理想。左手看起来还不错，但右手检测的很少：

总的来说，它不像我希望的那样可靠。有没有办法猜测 Canny 的“最佳”参数，或者至少对他们所做的事情进行详细解释（初学者可以理解），以便我可以做出有根据的猜测？或者也许有更好的方法来完全做到这一点？

【问题讨论】：

标签： c opencv computer-vision feature-detection edge-detection

【解决方案1】：

看来你必须降低你的门槛。

Canny 算法在滞后阈值上工作：如果至少有一个像素与最大阈值一样亮，它会选择一个轮廓，如果它们高于下限阈值，它会获取所有连接的轮廓像素。

论文建议以 2:1 或 3:1 的比例采用这两个阈值（例如 10 和 30，或 20 和 60 等）。对于某些应用程序，手动确定和硬编码的阈值就足够了。它也可能是你的情况。我怀疑如果你降低阈值，你会得到很好的结果，因为图像没有那么复杂。

已经提出了许多自动确定最佳 Canny 阈值的方法。他们中的大多数依靠梯度幅度来估计最佳阈值。

步骤：

提取渐变（Sobel 是一个不错的选择）
您可以将其转换为 uchar。梯度理论上可以有比 255 更大的数值，但这没关系。 opencv 的 sobel 返回 uchars。
制作结果图像的直方图。
在直方图的第 95 个百分位处取最大阈值，将较低的阈值设为 high/3。
您可能应该根据您的应用调整百分位值，但结果会比硬编码的高值和低值更可靠

注意：一个优秀的阈值检测算法是在 Matlab 中实现的。它基于上面的想法，但更复杂一些。

注意 2：如果图像区域之间的轮廓和光照变化不大，则此方法将起作用。如果图像的某个部分的轮廓更清晰，那么您需要局部自适应阈值，这是另一回事。但是看你的照片，应该不是这样的。

【讨论】：

谢谢你的解释，我现在明白了。 +1。我选择了另一个答案作为接受的答案，因为在我的情况下它更简单。

【解决方案2】：

也许最简单的解决方案之一是对灰度图像进行 Otsu 阈值化，在二值图像上找到轮廓，然后对其进行近似。代码如下：

Mat img = imread("test.png"), gray;
vector<Vec4i> hierarchy;
vector<vector<Point2i> > contours;

cvtColor(img, gray, CV_BGR2GRAY);
threshold(gray, gray, 0, 255, THRESH_OTSU);
findContours(gray, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);

for(size_t i=0; i<contours.size(); i++)
{
    approxPolyDP(contours[i], contours[i], 5, false);
    drawContours(img, contours, i, Scalar(0,0,255));
}

imshow("result", img);
waitKey();

这是结果：

【讨论】：