導(dǎo)讀

分析了Canny的優(yōu)劣，并給出了OpenCV使用深度學(xué)習(xí)做邊緣檢測(cè)的流程，文末有代碼鏈接。

在這篇文章中，我們將學(xué)習(xí)如何在OpenCV中使用基于深度學(xué)習(xí)的邊緣檢測(cè)，它比目前流行的canny邊緣檢測(cè)器更精確。邊緣檢測(cè)在許多用例中是有用的，如視覺顯著性檢測(cè)，目標(biāo)檢測(cè)，跟蹤和運(yùn)動(dòng)分析，結(jié)構(gòu)從運(yùn)動(dòng)，3D重建，自動(dòng)駕駛，圖像到文本分析等等。

什么是邊緣檢測(cè)？

邊緣檢測(cè)是計(jì)算機(jī)視覺中一個(gè)非常古老的問題，它涉及到檢測(cè)圖像中的邊緣來確定目標(biāo)的邊界，從而分離感興趣的目標(biāo)。最流行的邊緣檢測(cè)技術(shù)之一是Canny邊緣檢測(cè)，它已經(jīng)成為大多數(shù)計(jì)算機(jī)視覺研究人員和實(shí)踐者的首選方法。讓我們快速看一下Canny邊緣檢測(cè)。

Canny邊緣檢測(cè)算法

1983年，John Canny在麻省理工學(xué)院發(fā)明了Canny邊緣檢測(cè)。它將邊緣檢測(cè)視為一個(gè)信號(hào)處理問題。其核心思想是，如果你觀察圖像中每個(gè)像素的強(qiáng)度變化，它在邊緣的時(shí)候非常高。

在下面這張簡(jiǎn)單的圖片中，強(qiáng)度變化只發(fā)生在邊界上。所以，你可以很容易地通過觀察像素強(qiáng)度的變化來識(shí)別邊緣。

現(xiàn)在，看下這張圖片。強(qiáng)度不是恒定的，但強(qiáng)度的變化率在邊緣處最高。（微積分復(fù)習(xí)：變化率可以用一階導(dǎo)數(shù)（梯度）來計(jì)算。）

Canny邊緣檢測(cè)器通過4步來識(shí)別邊緣：

去噪：因?yàn)檫@種方法依賴于強(qiáng)度的突然變化，如果圖像有很多隨機(jī)噪聲，那么會(huì)將噪聲作為邊緣。所以，使用5×5的高斯濾波器平滑你的圖像是一個(gè)非常好的主意。

梯度計(jì)算：下一步，我們計(jì)算圖像中每個(gè)像素的強(qiáng)度的梯度（強(qiáng)度變化率）。我們也計(jì)算梯度的方向。

梯度方向垂直于邊緣，它被映射到四個(gè)方向中的一個(gè)（水平、垂直和兩個(gè)對(duì)角線方向）。

非極大值抑制：現(xiàn)在，我們想刪除不是邊緣的像素（設(shè)置它們的值為0）。你可能會(huì)說，我們可以簡(jiǎn)單地選取梯度值最高的像素，這些就是我們的邊。然而，在真實(shí)的圖像中，梯度不是簡(jiǎn)單地在只一個(gè)像素處達(dá)到峰值，而是在臨近邊緣的像素處都非常高。因此我們?cè)谔荻确较蛏先?×3附近的局部最大值。

遲滯閾值化：在下一步中，我們需要決定一個(gè)梯度的閾值，低于這個(gè)閾值所有的像素都將被抑制（設(shè)置為0）。而Canny邊緣檢測(cè)器則采用遲滯閾值法。遲滯閾值法是一種非常簡(jiǎn)單而有效的方法。我們使用兩個(gè)閾值來代替只用一個(gè)閾值：

高閾值 = 選擇一個(gè)非常高的值，這樣任何梯度值高于這個(gè)值的像素都肯定是一個(gè)邊緣。

低閾值 = 選擇一個(gè)非常低的值，任何梯度值低于該值的像素絕對(duì)不是邊緣。

在這兩個(gè)閾值之間有梯度的像素會(huì)被檢查，如果它們和邊緣相連，就會(huì)留下，否則就會(huì)去掉。

遲滯閾值化

Canny 邊緣檢測(cè)的問題：

由于Canny邊緣檢測(cè)器只關(guān)注局部變化，沒有語義（理解圖像的內(nèi)容）理解，精度有限（很多時(shí)候是這樣）。

Canny邊緣檢測(cè)器在這種情況下會(huì)失敗，因?yàn)闆]有理解圖像的上下文

語義理解對(duì)于邊緣檢測(cè)是至關(guān)重要的，這就是為什么使用機(jī)器學(xué)習(xí)或深度學(xué)習(xí)的基于學(xué)習(xí)的檢測(cè)器比canny邊緣檢測(cè)器產(chǎn)生更好的結(jié)果。

OpenCV中基于深度學(xué)習(xí)的邊緣檢測(cè)

OpenCV在其全新的DNN模塊中集成了基于深度學(xué)習(xí)的邊緣檢測(cè)技術(shù)。你需要OpenCV 3.4.3或更高版本。這種技術(shù)被稱為整體嵌套邊緣檢測(cè)或HED，是一種基于學(xué)習(xí)的端到端邊緣檢測(cè)系統(tǒng)，使用修剪過的類似vgg的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像到圖像的預(yù)測(cè)任務(wù)。

HED利用了中間層的輸出。之前的層的輸出稱為side output，將所有5個(gè)卷積層的輸出進(jìn)行融合，生成最終的預(yù)測(cè)。由于在每一層生成的特征圖大小不同，它可以有效地以不同的尺度查看圖像。

網(wǎng)絡(luò)結(jié)構(gòu)：整體嵌套邊緣檢測(cè)

HED方法不僅比其他基于深度學(xué)習(xí)的方法更準(zhǔn)確，而且速度也比其他方法快得多。這就是為什么OpenCV決定將其集成到新的DNN模塊中。以下是這篇論文的結(jié)果：

在OpenCV中訓(xùn)練深度學(xué)習(xí)邊緣檢測(cè)的代碼

OpenCV使用的預(yù)訓(xùn)練模型已經(jīng)在Caffe框架中訓(xùn)練過了，可以這樣加載：

sh download_pretrained.sh

網(wǎng)絡(luò)中有一個(gè)crop層，默認(rèn)是沒有實(shí)現(xiàn)的，所以我們需要自己實(shí)現(xiàn)一下。

class CropLayer（object）：

def __init__（self， params， blobs）：

self.xstart = 0

self.xend = 0

self.ystart = 0

self.yend = 0

# Our layer receives two inputs. We need to crop the first input blob

# to match a shape of the second one （keeping batch size and number of channels）

def getMemoryShapes（self， inputs）：

inputShape， targetShape = inputs［0］， inputs［1］

batchSize， numChannels = inputShape［0］， inputShape［1］

height， width = targetShape［2］， targetShape［3］

self.ystart = （inputShape［2］ - targetShape［2］） // 2

self.xstart = （inputShape［3］ - targetShape［3］） // 2

self.yend = self.ystart + height

self.xend = self.xstart + width

return ［［batchSize， numChannels， height， width］］

def forward（self， inputs）：

return ［inputs［0］［：，：，self.ystart:self.yend，self.xstart:self.xend］］

現(xiàn)在，我們可以重載這個(gè)類，只需用一行代碼注冊(cè)該層。

cv.dnn_registerLayer（‘Crop’， CropLayer）

現(xiàn)在，我們準(zhǔn)備構(gòu)建網(wǎng)絡(luò)圖并加載權(quán)重，這可以通過OpenCV的dnn.readNe函數(shù)。

net = cv.dnn.readNet（args.prototxt， args.caffemodel）

現(xiàn)在，下一步是批量加載圖像，并通過網(wǎng)絡(luò)運(yùn)行它們。為此，我們使用cv2.dnn.blobFromImage方法。該方法從輸入圖像中創(chuàng)建四維blob。

blob = cv.dnn.blobFromImage（image， scalefactor， size， mean， swapRB， crop）

其中：

image：是我們想要發(fā)送給神經(jīng)網(wǎng)絡(luò)進(jìn)行推理的輸入圖像。

scalefactor：圖像縮放常數(shù)，很多時(shí)候我們需要把uint8的圖像除以255，這樣所有的像素都在0到1之間。默認(rèn)值是1.0，不縮放。

size：輸出圖像的空間大小。它將等于后續(xù)神經(jīng)網(wǎng)絡(luò)作為blobFromImage輸出所需的輸入大小。

swapRB：布爾值，表示我們是否想在3通道圖像中交換第一個(gè)和最后一個(gè)通道。OpenCV默認(rèn)圖像為BGR格式，但如果我們想將此順序轉(zhuǎn)換為RGB，我們可以將此標(biāo)志設(shè)置為True，這也是默認(rèn)值。

mean：為了進(jìn)行歸一化，有時(shí)我們計(jì)算訓(xùn)練數(shù)據(jù)集上的平均像素值，并在訓(xùn)練過程中從每幅圖像中減去它。如果我們?cè)谟?xùn)練中做均值減法，那么我們必須在推理中應(yīng)用它。這個(gè)平均值是一個(gè)對(duì)應(yīng)于R， G， B通道的元組。例如Imagenet數(shù)據(jù)集的均值是R=103.93， G=116.77， B=123.68。如果我們使用swapRB=False，那么這個(gè)順序?qū)⑹牵˙， G， R）。

crop：布爾標(biāo)志，表示我們是否想居中裁剪圖像。如果設(shè)置為True，則從中心裁剪輸入圖像時(shí)，較小的尺寸等于相應(yīng)的尺寸，而其他尺寸等于或大于該尺寸。然而，如果我們將其設(shè)置為False，它將保留長(zhǎng)寬比，只是將其調(diào)整為固定尺寸大小。

在我們這個(gè)場(chǎng)景下：

inp = cv.dnn.blobFromImage（frame， scalefactor=1.0， size=（args.width， args.height），

mean=（104.00698793， 116.66876762， 122.67891434）， swapRB=False，

crop=False）

現(xiàn)在，我們只需要調(diào)用一下前向方法。

net.setInput（inp）

out = net.forward（）

out = out［0， 0］

out = cv.resize（out， （frame.shape［1］， frame.shape［0］））

out = 255 * out

out = out.astype（np.uint8）

out=cv.cvtColor（out，cv.COLOR_GRAY2BGR）

con=np.concatenate（（frame，out），axis=1）

cv.imshow（kWinName，con）

結(jié)果：

中間的圖像是人工標(biāo)注的圖像，右邊是HED的結(jié)果

中間的圖像是人工標(biāo)注的圖像，右邊是HED的結(jié)果

文中的代碼：

https://github.com/sankit1/cv-tricks.com/tree/master/OpenCV/Edge_detection

英文原文：https://cv-tricks.com/opencv-dnn/edge-detection-hed/
編輯：lyn