如何在OpenCV中实现的Canny边缘检测算法中选择最佳参数集？

Question

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

这是我使用的步骤。

1. Imgproc。cvtColor（）
2. Imgproc。Canny（）
3. Imgproc。高斯模糊（）
4. Imgproc。findContours（）
5. Imgproc。approxPolyDP（）
6. findLargestRectangle（）
7. 找到矩形的顶点
8. 使用重心法逆时针查找矩形左上角的顶点
9. 找到矩形的高度和宽度，以保持纵横比并进行透视变换

应用所有这些步骤后，我可以很容易地从图像中获取文档或最大的矩形。但这在很大程度上取决于背景和文件页的强度差异。由于Canny边缘检测器基于强度梯度原理工作，因此从实现角度来看，总是假设强度存在差异。这就是为什么Canny考虑了各种阈值参数。

1. 下限
2. 更高的门槛

因此，如果一个像素的强度梯度大于较高的阈值，它将被添加为输出图像中的边缘像素。如果一个像素的强度梯度值低于较低的阈值，它将被完全拒绝。如果一个像素的强度介于较低和较高的阈值之间，只有当它连接到任何其他值大于较高阈值的像素时，它才会被添加为边缘像素。

我的主要目的是使用Canny边缘检测进行文档扫描。那个么，我如何动态计算这些阈值，以便它可以同时处理暗背景和亮背景？

我通过手动调整参数做了很多尝试，但找不到与场景相关的任何关系。

Answer 1

使用我从这个博客中获得的以下片段：

v = np.median(gray_image)

#---- Apply automatic Canny edge detection using the computed median----
lower = int(max(0, (1.0 - sigma) * v))
upper = int(min(255, (1.0 + sigma) * v))
edged = cv2.Canny(gray_image, lower, upper)
cv2.imshow('Edges',edged)

我取的是灰度图像的中值。西格玛值0.33被选择来设置上下阈值。0.33值通常被统计学家用于数据科学。所以这里也考虑它。

Answer 2

你可以用大津的方法计算你的阈值。

（Python）代码看起来像这样：

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