OpenCV - Edge detection

1. 엣지 검출이란?

• 정의: 화소 강도(intensity)의 급격한 변화(discontinuity)를 검출하는 과정.
• 목적: 물체의 윤곽이나 구조를 파악하여 이후 컨투어 추출, 객체 분할 등에 활용.
• 문제점: 단순 그라디언트만으로는 내부 잡음(noise)까지 엣지로 검출되어 원하는 외곽선만 추출하기 어려움

 

2. 이미지 내 에지(edge)의 종류

엣지종류	그래프	설명
Step edge		픽셀 값이 순간적으로 변하는 계단 모양 변화
Ramp edge		계단이 완만하게 기울어진 형태 짧은 거리에 걸쳐 값이 점진적으로 변화
Ridge edge		두 개의 Ramp Edge가 맞닿아 오르막-평지-내리막 형태
Roof edge		Ridge에서 꼭대기 부분이 평탄하지 않고 뾰족한 형태

 

3. Canny Edge Detection 4단계

# 1) 영상 로드 및 전처리
image   = cv2.imread("path/to/image.png")
gray    = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)                  # Step1

# 2) Canny 엣지 검출: (입력, lower_thresh, upper_thresh)      # Step 2, 3, 4
edges_wide  = cv2.Canny(blurred, 10, 200)
edges_mid   = cv2.Canny(blurred, 30, 150)
edges_tight = cv2.Canny(blurred, 240, 250)

# 3) 결과 표시
cv2.imshow("Wide Edges",  edges_wide)
cv2.imshow("Mid Edges",   edges_mid)
cv2.imshow("Tight Edges", edges_tight)
cv2.waitKey(0)

Step #1: Gaussian smoothing

• 작은 세부정보(노이즈)를 무시하고 주요 구조만 남기기 위해 가우시안 블러 처리 
  blurred = cv2.GaussianBlur(gray, (5, 5), 0)

Step #2: Gradient magnitude & orientation

• Sobel 커널로 수평·수직 변화량을 구한 뒤 image gradient(에지의 “강도”와 “방향”) 정보 추출

Step #3: Non-maxima suppression

• 에지 픽셀을 단 1픽셀 폭으로 얇게 만드는 과정
• 방법: 각 픽셀에서 gradient 방향의 이웃 픽셀 2개를 비교하여 지역 최대값만 보존하고 나머지는 0으로 설정
• 예시

	그라디언트 방향이 90도일때(초록 화살표,북쪽) 픽셀값(93)과 인접한 두 픽셀 :북쪽(162), 남쪽(26)의 크기를 비교 ▷ 162이 최대치이므로 93 → 0으로 값 변경
	그라디언트 방향이 180도일때(초록 화살표,서쪽) 픽셀값(93)과 인접한 두 픽셀 :서쪽(104), 동쪽(139)의 크기를 비교 ▷ 139가 최대치이므로 93 → 0으로 값 변경

Step #4: Hysteresis thresholding

• 두개의 임계값(T upper, T lower)을 사용하여 진짜 엣지만 선별
• 따라서 임곗값을 튜닝하는것이 매우 중요함
• 방법:
  1. G > T upper​ → 강한 엣지
  2. T lower < G < T upper​ → 강한 에지와 연결 시에만 유지, 아니면 버림
  3. G < T lower​  → 엣지아님(제거)

• 시각화: 
  • A > T upper : 강한엣지
  • B : 임곗값들 중간, but 강한엣지인 A와 연결됨 : 엣지
  • C : 임곗값들 중간, 강한엣지와 연결 안됨 : 버림
  • D < T lower : 버림

 

 

4. Auto Canny Edge Detection

 

• Canny에서 T upper, T lower 두개의 임곗값을 자동으로 구하기 위함
• 넓은 임계값의 과다 검출과 타이트 임계값의 과소 검출을 모두 보완하며, 균형 잡힌 엣지 맵을 제공
• 방법 : 픽셀 강도의 중앙값(median)을 계산   
             → 이 중앙값을 기준으로 ±σ(%) 만큼 범위를 설정(기본 제안 sigma 값은 0.33)
             → 이 임계값들을 그대로 cv2.Canny에 전달 → 자동 임계값 완성

 

def auto_canny(image, sigma=0.33):
    # 1) 영상 중앙값 계산
    v = np.median(image)
    # 2) ±sigma 비율로 하·상 임계값 설정
    lower = int(max(0,   (1.0 - sigma) * v))
    upper = int(min(255, (1.0 + sigma) * v))
    # 3) Canny 적용
    edged = cv2.Canny(image, lower, upper)
    return edged

 

방법	설정값 예시	특징
Wide	(10, 200)	물체와 고주파 노이즈(구름·반사 등)까지 과다 검출
Tight	(224, 250)	노이즈 제거는 잘 되지만, 물체 일부(꼬리·디테일 등) 누락
Automatic	auto_canny(sigma=0.33)	노이즈는 걸러내고, 주요 구조(물고기·카메라·컵 등)를 충실히 검출

 

---

출처

https://pyimagesearch.com/2021/05/12/opencv-edge-detection-cv2-canny/?_ga=2.30498870.886285686.3012190875-776340303.3012033769

OpenCV Edge Detection ( cv2.Canny ) - PyImageSearch

https://pyimagesearch.com/2015/04/06/zero-parameter-automatic-canny-edge-detection-with-python-and-opencv/?_ga=2.227959444.886285686.3012190875-776340303.3012033769

Zero-parameter, automatic Canny edge detection with Python and OpenCV - PyImageSearch