opencv - 如何在OpenCV中实现的Canny边缘检测算法中选择最佳的参数集？

我正在Android平台上使用OpenCV。在这个社区和技术人员的巨大帮助下，我能够成功地从图像中检测出一张纸。

这些是我使用的步骤。

Imgproc.cvtColor()

Imgproc.Canny()

Imgproc.GausianBlur()

Imgproc.findContours()

Imgproc.approxPolyDP()

findLargestRectangle()

查找矩形

的顶点

使用质心方法

来找到矩形的左上角逆时针方向的顶点

查找矩形的高度和宽度，以保持纵横比并进行warpPerspective转换。

应用所有这些步骤后，我可以轻松地从图像中获取文档或最大的矩形。但这很大程度上取决于背景和文档纸强度的差异。由于Canny edge detector遵循强度梯度原理，因此始终会在实现方面假定强度差异。因此，Canny考虑了各种阈值参数。

下限阈值

阈值较高

因此，如果像素的强度梯度大于较高阈值，则它将作为边缘像素添加到输出图像中。如果像素的强度梯度值低于下限阈值，则将完全拒绝该像素。并且，如果像素的强度介于阈值上限和下限之间，则仅当像素连接到值大于上限阈值的任何其他像素时，才将其添加为边缘像素。

我的主要目的是使用Canny边缘检测进行文档扫描。那么，如何动态计算这些阈值，以便它可以在黑暗和明亮背景的两种情况下工作？

我通过手动调整参数做了很多尝试，但是找不到与场景相关的任何关系。

最佳答案

您可以使用Otsu’s method计算阈值。

(Python)代码如下所示:

high_thresh, thresh_im = cv2.threshold(im, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
lowThresh = 0.5*high_thresh

关于opencv - 如何在OpenCV中实现的Canny边缘检测算法中选择最佳的参数集？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21324950/