導讀

分析了Canny的優劣，并給出了OpenCV使用深度學習做邊緣檢測的流程，文末有代碼鏈接。

在這篇文章中，我們將學習如何在OpenCV中使用基于深度學習的邊緣檢測，它比目前流行的canny邊緣檢測器更精確。邊緣檢測在許多用例中是有用的，如視覺顯著性檢測，目標檢測，跟蹤和運動分析，結構從運動，3D重建，自動駕駛，圖像到文本分析等等。

什么是邊緣檢測？

邊緣檢測是計算機視覺中一個非常古老的問題，它涉及到檢測圖像中的邊緣來確定目標的邊界，從而分離感興趣的目標。最流行的邊緣檢測技術之一是Canny邊緣檢測，它已經成為大多數計算機視覺研究人員和實踐者的首選方法。讓我們快速看一下Canny邊緣檢測。

Canny邊緣檢測算法

1983年，John Canny在麻省理工學院發明了Canny邊緣檢測。它將邊緣檢測視為一個信號處理問題。其核心思想是，如果你觀察圖像中每個像素的強度變化，它在邊緣的時候非常高。

在下面這張簡單的圖片中，強度變化只發生在邊界上。所以，你可以很容易地通過觀察像素強度的變化來識別邊緣。

現在，看下這張圖片。強度不是恒定的，但強度的變化率在邊緣處最高。（微積分復習：變化率可以用一階導數（梯度）來計算。）

Canny邊緣檢測器通過4步來識別邊緣：

去噪：因為這種方法依賴于強度的突然變化，如果圖像有很多隨機噪聲，那么會將噪聲作為邊緣。所以，使用5×5的高斯濾波器平滑你的圖像是一個非常好的主意。

梯度計算：下一步，我們計算圖像中每個像素的強度的梯度（強度變化率）。我們也計算梯度的方向。

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

非極大值抑制：現在，我們想刪除不是邊緣的像素（設置它們的值為0）。你可能會說，我們可以簡單地選取梯度值最高的像素，這些就是我們的邊。然而，在真實的圖像中，梯度不是簡單地在只一個像素處達到峰值，而是在臨近邊緣的像素處都非常高。因此我們在梯度方向上取3×3附近的局部最大值。

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

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

低閾值 = 選擇一個非常低的值，任何梯度值低于該值的像素絕對不是邊緣。

在這兩個閾值之間有梯度的像素會被檢查，如果它們和邊緣相連，就會留下，否則就會去掉。

遲滯閾值化

Canny 邊緣檢測的問題：

由于Canny邊緣檢測器只關注局部變化，沒有語義（理解圖像的內容）理解，精度有限（很多時候是這樣）。

Canny邊緣檢測器在這種情況下會失敗，因為沒有理解圖像的上下文

語義理解對于邊緣檢測是至關重要的，這就是為什么使用機器學習或深度學習的基于學習的檢測器比canny邊緣檢測器產生更好的結果。

OpenCV中基于深度學習的邊緣檢測

OpenCV在其全新的DNN模塊中集成了基于深度學習的邊緣檢測技術。你需要OpenCV 3.4.3或更高版本。這種技術被稱為整體嵌套邊緣檢測或HED，是一種基于學習的端到端邊緣檢測系統，使用修剪過的類似vgg的卷積神經網絡進行圖像到圖像的預測任務。

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個卷積層的輸出進行融合，生成最終的預測。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。

網絡結構：整體嵌套邊緣檢測

HED方法不僅比其他基于深度學習的方法更準確，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果：

在OpenCV中訓練深度學習邊緣檢測的代碼

OpenCV使用的預訓練模型已經在Caffe框架中訓練過了，可以這樣加載：

sh download_pretrained.sh

網絡中有一個crop層，默認是沒有實現的，所以我們需要自己實現一下。

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］］

現在，我們可以重載這個類，只需用一行代碼注冊該層。

cv.dnn_registerLayer（‘Crop’， CropLayer）

現在，我們準備構建網絡圖并加載權重，這可以通過OpenCV的dnn.readNe函數。

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

現在，下一步是批量加載圖像，并通過網絡運行它們。為此，我們使用cv2.dnn.blobFromImage方法。該方法從輸入圖像中創建四維blob。

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

其中：

image：是我們想要發送給神經網絡進行推理的輸入圖像。

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

size：輸出圖像的空間大小。它將等于后續神經網絡作為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和最后一個通道。OpenCV默認圖像為BGR格式，但如果我們想將此順序轉換為RGB，我們可以將此標志設置為True，這也是默認值。

mean：為了進行歸一化，有時我們計算訓練數據集上的平均像素值，并在訓練過程中從每幅圖像中減去它。如果我們在訓練中做均值減法，那么我們必須在推理中應用它。這個平均值是一個對應于R， G， B通道的元組。例如Imagenet數據集的均值是R=103.93， G=116.77， B=123.68。如果我們使用swapRB=False，那么這個順序將是（B， G， R）。

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

在我們這個場景下：

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

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

crop=False）

現在，我們只需要調用一下前向方法。

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）

結果：

中間的圖像是人工標注的圖像，右邊是HED的結果

中間的圖像是人工標注的圖像，右邊是HED的結果

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