python 邊緣與輪廓檢測

邊緣檢測Edge detection是影像處理，幫助電腦可以抓取圖片中的物體，這項技術以檢查影像中各像素點的顏色變化來區分邊界，有邊緣之後，可以再從這些交錯的線條得到物體輪廓。

在圖像中有個容易搞混的概念，邊緣與輪廓的差異是什麼?

邊緣檢測：檢測圖像中像素的值有突然改變的地方。

輪廓檢測：檢測圖像中的物體邊界，也就像找出物體的邊界。

因此要知道有邊緣的地方不一定有邊界，有邊界的地方也不一定有邊緣。

Python的opencv提供三種邊緣檢測的方法：Laplacian、Sobel、Canny，這三個技術都是利用灰階圖片，基於每個像素灰值的不同，利用不同物體在其邊界處會有明顯的邊緣特徵來檢測。

這三種方法可依技術原理分為兩種，以下為其餘補充事項。

Laplacian：對於圖片的雜訊相當敏感，因此通常會先將影像模糊化再做處理。

Sobel與Canny：這兩個方法擁有相同的底層技術，差異在於執行方式，Sobel以簡單的卷積過濾器偵測圖像上水平及縱向光度的改變，以加權平均方式計算各點的數值來決定邊緣。而Canny先將影像模糊化再進行非極大值抑制，因為Canny有先經過影像模糊化，故比較能處理影像雜訊問題。

使用opencv中的Laplacian函式須指定輸出的影像浮點格式CV_64F，為什麼是使用64bits而非灰階的8bits呢？

因為Laplacian過程需進行black-to-white及white-to-black兩種轉換，在微分的梯度計算中black-to-white屬於正向的運算而white-to-black則是負向，灰階的8bits格式僅能儲存0-255的正值，因此必須使用64bits。

接下來須取其絕對值並轉為8bit的灰階資訊，這是一般在運行Laplacian運算時所建議的方法，網上的說法是此方式可保留所有的邊緣資訊：先轉出為64bit，再取絕對值轉為8bit。

Sobel可以單獨針對X軸、Y軸、X與Y軸抓取其邊緣。

Canny 的邊緣檢測方法是先將影響模糊化去除不必要的資訊，再使用類似Sobel的方式取的XY軸邊緣。

Canny函式的第二與第三個參數是門檻參數，意指圖像的任一點像素，若其值大於threshold2，則認定它屬於邊緣像素，若小於threshold1則不為邊緣像素，介於兩者之間則由程式依其像素強度值運算後決定。

程式碼連結：https://gist.github.com/IvyQQQQQ/30e57cc081da76399c267d344a7b8dbb

使用上面的方法找出邊緣後，接下來便是確定輪廓。輪廓是一連串沒有間斷的點所組成的曲線。我們可借助opencv中的 cv2.findContours找到輪廓，利用cv2.boundingRect依照前面跑出的結果取出物體。圖像處理步驟如下：

程式碼連結：https://gist.github.com/IvyQQQQQ/e3dc2d7f69211fd5790fcf78bbd93905

https://chtseng.wordpress.com/2016/12/05/opencv-edge-detection%E9%82%8A%E7%B7%A3%E5%81%B5%E6%B8%AC/