Edge Detection Computer Vision

Edge detection, Edge
linking
Present: Nguyễn Tuấn Anh 


Content 
• Edge detection
• Edge
• Good edge detector
• Canny Detection

• Edge linking
• Hout transform 
• Contour closing


Edge
• Định nghĩa về cạnh : Trong
ảnh số, cạnh là một tập hợp
các pixel mà tại pixel đấy xảy
ra một sự thay đổi đột
ngột về cường độ sáng.


Edge detection
• Edge Detection là một kĩ thuật xử ảnh được sử dụng để tìm
kiếm viền bao của của các đối tượng trong ảnh. Trong xử lý
ảnh, phát hiện cạnh là tìm ra
những khu vực có sự chênh lệch đột biến về cường độ sáng.

Good edge detector 
• Good Detection: giảm thiểu được xác suất false positive (phát hiện nhầm
cạnh giả do noise tạo ra) và false negatives(xác suất bị thiếu mất một
cạnh).
• Good Localization: vị trí cạnh dự đốn phải gần nhất với cạnh thật (true
edges).
• Single response: Cạnh (true edges) được cấu tạo từ rất nhiều
points. single response là tiêu chí đánh giá bao nhiêu point được dự
đốn cho một true point. Càng nhiều point được dự đoán cho một true
point thì độ tốt của detector sẽ giảm xuống.


Good edge detector


Canny Edge Detection
• Giảm nhiễu
• Tính Gradient và hướng gradient
• Non-maximum Suppression
• Lọc ngưỡng


Giảm nhiễu 


Miền không gian, miền tần số
Trong miền không gian, ta xử lý trên từng điểm ảnh. 
Trên miền tần số, ta xử lý dựa trên tốc độ thay đổi của giá trị ảnh trên miền không
gian
Miền tần số xử lý nhanh hơn miền không gian, dễ lọc những tần số không cần thiết.

Lọc thơng thấp - Low Pass Filter
• Lọc thơng thấp chỉ cho những thành phần tần số thấp đi qua và loại
bỏ những thành phần tần số cao. Vì vậy, ảnh sau khi lọc sẽ trơn mịn
nhưng không được sắc nét bằng ảnh đầu vào. 
• Thường được sử dụng để làm trơn nhiễu


Lọc thơng cao - High Pass Filter
• Lọc thơng cao chỉ cho những thành phần tần số cao đi qua và loại
bỏ những thành phần tấn số thấp. Do đó, ảnh sau khi lọc sẽ có dải
mức xám khơng đa dạng tại những vùng trơn mịn, nhưng sắc nét
hơn so với ảnh đầu vào. 
• Thường dùng trong việc làm trơn ảnh và tìm biên đối tượng có ở
trong ảnh.


Lưu ý về kernel 
• Tổng các phần tử trong ma trận lọc bằng 1 thì độ sáng của ảnh đầu
vào và ảnh đầu ra sẽ giống nhau
• Nếu tổng phần tử trong ma trận > 1 thì ảnh đầu ra sẽ sáng hơn ảnh
đầu vào
• Nếu tổng phần tử trong ma trận < 1 ảnh đầu ra sẽ tối hơn ảnh đầu
vào.
• Link kernel tham khảo : Kernel


Giảm nhiễu
• Làm mờ ảnh, giảm

nhiễu dùng bộ lọc
Gaussian kích thước
5x5


Thơng số bộ lọc Gaussian Blur
• GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None,
borderType=None)
• Trong đó :
• src và dst là ảnh gốc và ảnh sau phép lọc
• ksize là kích thước của ma trận lọc 
• sigmaX: Độ lệch chuẩn của kernel Gaussian theo hướng X.
• sigmaY: Độ lệch chuẩn của kernel Gaussian theo hướng Y.
• borderType: là kiểu xác định những pixel nằm ngồi vùng ảnh.


Tính Gradient và hướng gradient
• Ta dùng bộ lọc Sobel X và Sobel Y (3x3) để tính được ảnh đạo hàm
Gx và Gy, mỗi pixel trên ma trận này thể hiện độ lớn của biến đổi
mức sáng ở vị trí tương ứng trên ảnh gốc. 


Thơng số bộ lọc Sobel
• Sobel(src, ddepth, dx, dy, dst=None, ksize=None, scale=None, delta=No
ne, borderType=None)
• Trong đó : 
• src và dst là ảnh gốc và ảnh qua phép lọc.
• depth là độ sâu của ảnh sau phép lọc, có thể là CV_32F, CV_64F,....
• dx và dy là các đạo hàm theo hướng x,y để tính đạo hàm theo hướng nà
o ta đặt giá trị đó lên 1, ngược lại nếu giá trị bằng 0, hàm cài đặt sẽ bỏ qu

a khơng tính theo hướng đó.
• Scale và delta là hai thơng số tùy chọn cho việc tính giá trị đạo hàm
lựa giá trị vi sai vào ảnh sau phép lọc, chúng có giá trị mặc định là 0 và 1 
• borderType là kiểu xác định những pixel nằm ngồi vùng ảnh.


Lưu ý về các ma trận lọc 
• Kích thước của ma trận thường là một số lẻ chẳng hạn 3x3, 5x5, ....
Khi đó, tâm của ma trận sẽ nằm ở giao của hai đường chéo và là
điểm áp đặt lên ảnh mà ta cần tính nhân chập.
• Tổng các phần tử trong ma trận thông thường bằng 1. Nếu tổng này
lớn hơn 1, ảnh qua phép lọc sẽ có độ sáng lớn hơn ảnh ban đầu.
Ngược lại, ảnh thu được sẽ tối hơn ảnh ban đầu.


Non-maximum
Suppression
• loại bỏ các pixel ở vị
trí khơng phải cực đại
tồn cục.
• Nếu pixel đó khơng
phải là cực đại thì xét
gradient về 0 


Lọc ngưỡng
•  Ta sẽ xét các pixel dương
trên mặt nạ nhị phân kết
quả của bước trước
• Nếu giá trị gradient vượt

ngưỡng max_val thì pixel
đó chắc chắn là cạnh. Các
pixel có độ lớn gradient nhỏ
hơn ngưỡng min_val sẽ bị
loại bỏ
• Giữ các pixel liền kề pixel
chắc chắn là cạnh 


Thơng số trong thuật tốn Canny
• Canny(image, threshold1, threshold2, edges=None,
apertureSize=None, L2gradient=None):
• Trong đó: 
• image: Ảnh 8-bittheshold1, threshold2: là giá trị ngưỡng ta đặt cho
việc nhị phân trong khoảng từ (min_val, max_val)
• edges: bản đồ cạnh đầu ra, kênh đơn hình ảnh 8-bit, có cùng kích
thước với hình ảnh.
• apertureSize: kích thước khẩu độ cho nhà điều hành Sobel
• L2gradient: một cờ, cho biết liệu có nên sử dụng một lá cờ chính xác
hơn để tính tốn độ lớn của gradient hình ảnh hay khơng


Edge linking
• Hough transform
• tạo mapping từ khơng gian
ảnh (A) sang một không
gian mới (B) mà mỗi đường
thẳng trong không gian (A)
sẽ ứng với một điểm trong
không gian (B).

Contour closing
• Contour closing là tập hợp các điểm
liên tục tạo thành đường cong khép
kín.
• Đặc điểm : Có cùng (xấp xỉ) màu sắc
hoặc mật độ 
• Hữu ích cho việc phát hiện đối
tượng 
• Trong opencv, việc tìm một contour
là việc tìm một đối tượng có màu
trắng trên nền đen.


Edge detection vs Contour Detection 
• Các cạnh là điểm cực trị của gradient hình ảnh theo hướng của
gradient. Vấn đề là, các pixel cạnh là một khái niệm cục bộ: chúng
chỉ chỉ ra sự khác biệt đáng kể giữa các pixel lân cận.
• Các đường bao thường được lấy từ các cạnh, nhưng chúng nhằm
mục đích trở thành các đường viền đối tượng . Vì vậy, chúng cần
phải là những đường cong khép kín. Bạn có thể coi chúng như
những ranh giới. Khi chúng thu được từ các cạnh, bạn cần nối các
cạnh để có được một đường bao khép kín.


•Thanks for watching