论文《A Sub-Pixel Edge Detector: an Implementation of theCanny/Devernay Algorithm》提出了一种基于canny算法进行亚像素级边缘提取的算法，并给出了网页测试demo，可以在上面载入图像进行边缘提取测试，效果不错。这里简要翻译一下论文的方法：

Canny算法

针对边缘检测算法的研究有很多，其中Canny算法在这方面具有开创性的贡献，我在之前的博客里总结过canny的原理，这里简要说明一下：

Canny算子求边缘点具体算法步骤如下：
1. 用高斯滤波器平滑图像．
2. 计算梯度幅值和方向

3. 对梯度幅值进行非极大值抑制

非极大值抑制（Non-Maxima Suppression method）主要是为了更精确的定位某种特征，比如用梯度变化表征边缘时，梯度变化较大的区域通常比较宽，所以利用x和y方向的梯度确定一个法向arctan(y/x)，然后在法向上判断当前梯度测量是否是一个峰值（或局部极大值），如果是就保留，不是极大值就抑制（如设置为0）。这样的话就能将边缘定位在1-2像素宽（相邻像素有时候求极大值的方向恰好互不干扰）。

4. 用双阈值算法检测和连接边缘．

5.通过滞后跟踪边缘，抑制所有弱而不强的边缘。

Devernay亚像素校正算法

Canny检测出的边缘是像素级别的，而有时需要精度低于一个像素，即亚像素边缘提取，Devernay【3】在Canny算法的基础上进行了拓展：将新的边缘点定义为相邻几个梯度模值差值的最大值，可以通过计算梯度方向上相邻的三点处的梯度模值的二次函数插补。如下图所示：

上图中，||g(A,B,C)||为三个垂直于边缘方向上的梯度模值，canny算法会选择模值最大的B点作为边缘点。但是，也可能在A和C之间存在点η ，在η 点处的梯度模值大于B点及AC之间的其他点，此时，η 点能更好地表示边缘。论文[3]给出了估计η 点以及计算η 点偏移量的方法，并给出η 的亚像素位置。

为了减少计算量，论文中只用了三点来进行二次方程拟合，并求出相对于BC向量的补偿 η ：

Devernay亚像素算法准确性

影响Devernay算法准确性的四个误差来源：

1.假设梯度满足二次曲线规律带来的误差；

2.使用有限项计算梯度值带来的误差；

3.插补计算时有些点的梯度并没有通过canny运算计算出来所带来的误差；（个人理解这里应该是说在非水平和垂直方向上）

4.数据误差；

以高斯边缘为例，公式：，其中是高斯核函数，Y是阶梯函数，即：

(1)

α 是阶梯函数的系数，下图中左是带亚像素偏移 γ 的高斯边缘特性，右图是使用抛物线估计的边缘点位置，例如途中三点abc,:(−1, a), (0, b) 和(1, c) ，边缘估计点的位置为：

(2)

把带偏移 γ 的高斯边缘函数带入，可以得到：

(3)

带入（2）式得到：

(4)

右图中，高斯梯度与二次方程梯度极大值点偏差为：

文中给出了该误差的分布图5：

当γ=0时，误差为0，因为此时边缘在网格中间位置；当γ=0.5时，误差也为0，因为此时a=b或b=c，二次曲线插补值可以给出正确的偏移；σ越小，边缘越锐利，而σ越大，边缘越模糊，误差反而越小。

公式（4）也说明了第二种误差来源，即有限差分计算带来的误差。

亚像素边缘算法改进

在上面说的四种误差来源中，其中简单地使用水平和垂直方向插补可以有效去除第三种误差。Deverary使用三个点中间的插补值作为边缘，这里进行修正：当点（x，y）处梯度满足以下条件，此时该点为水平方向的边缘点：

类似的，垂直方向的边缘点也是可以定义出来的。当x和y方向的梯度相等时，默认为还是水平边缘点，这个影响不大。修正方法的误差分布见下图6：

对比图5，修正方法的误差有了明显的减弱。另外，论文还对比了边缘是倾斜角度时的提取结果，见下图7：

边缘点链（Edge Point Chaining）

此前检测边缘点是一个独立过程，每个边缘点并不相关。后续需要将属于同一个边缘轮廓的点集归到一起--链，形成轮廓。每个边缘点对应的应是一个像素点，而不是一个5*5的区域。

首先，被归为同一链路的像素点应该具有近似的梯度方向，以像素点A和B为例，它们的夹角应小于90度，数学表示为：g(A).g(B)>0。另外，图像轮廓可以将亮区域和暗区域分开，所以连续的链路需要将暗区域划分到曲线的同一侧，一个简单的方法是验证从边缘点A到点B的向量与点A两个可能的梯度方向中的一个是否近似正交。有两个概念需要介绍一下：前向链路（forward chaining）和后向链路(back chaining)。当 ,其中表示向量v旋转90度，此时成为A-B的前向链路，记为:，反方向称为反向链路。

一个边缘点至多有一个前向链路，也至多有一个后向链路，而不用有类似 Y 形状的链路。所以在确定AB是否成链前，需要检查A是否已经有前向链路和B是否已经有后向链路。此时可以通过距离来判断，如果新的链路比之前的距离短，那么之前链路就会被斩断，而增加这新的链路，经过这个步骤，边缘点的链接关系就能确定下来了。以下图8为例：

A,B,C,D四点的距离关系满足：||A-B||>||B-C||>||C-D||,假定链路搜索顺序为：A-B-C,你会发现当我们想时,存在，而且根据CB距离小于AB，所以会被切断；同样地，由于D的存在，也会被切断，所以最后的结果只剩下：。再假定链路搜索顺序为C-B-A，经过判断过程，剩下这条链路。所以，最后的链路结果为：和。

算法实现

Canny/Devernay算法主要分为四部分：图像求梯度，计算边缘点，边缘点链路编码，应用canny双阈值等方法，如下图9所示：

计算图像梯度的方法为算法2，如下图10所示，主要在水平和垂直两个方向上求取梯度：

求取边缘点及亚像素校正过程，算法3的伪代码如下图11所示：

可以发现，当某一点的水平方向和垂直方向梯度值相等时，该点可以被归为任意方向上的边缘，不影响结果。最后，边缘点链路编码过程算法4，如下图12所示：

算法4中的是指边缘点的邻域集合，取5*5，括号里的数字2应该是说邻域集中上下左右不超过2个像素，最后的边缘点取其邻域水平或垂直方向上的局部最大值。当然，过程中包含前向链路和后向链路，算是的子集。

最后，算法5描述了canny算法的应用，如下图13所示：

测试结果

算法中的输入参数除了被检测图像外，还有高斯函数的标准差S，canny算法的双阈值H和L，在线测试网址请点击

可见，当S取不同值是，边缘的粗细间隔是不一样的。S越大，边缘越粗些。

后记：第一次把英文文献翻译在CSDN上面，感慨大略看懂到能够翻译出来还是有一段距离的。

整个项目，我重新用opencv包装了，项目地址：https://github.com/fcqing/sub-pixel-edge-detect

参考

https://en.wikipedia.org/wiki/Canny_edge_detector

http://blog.csdn.net/qq_14845119/article/details/52064928

《A non-maxima suppression method for edge detection with sub-pixel accuracy》

http://ipolcore.ipol.im/demo/clientApp/demo.html?id=216

《A Sub-Pixel Edge Detector: an Implementation of the Canny/Devernay Algorithm》相关推荐

使用OpenCV实现Halcon算法（1）亚像素提取边缘，Sub-Pixel Edge Detector
声明:本篇仅仅是分享网上的开源项目,算法非本人原创.转载文章: <A Sub-Pixel Edge Detector: an Implementation of the Canny/Devern ...
【C++】《Breaking Dependencies - C++ Type Erasure - The Implementation Details - Klaus Iglberger》- 知识点
<Breaking Dependencies - C++ Type Erasure - The Implementation Details - Klaus Iglberger CppCon 2 ...
OpenCV 坎尼边缘检测器Canny Edge Detector
OpenCV 拉普拉斯算子Laplace Operator 坎尼边缘检测器Canny Edge Detector 目标理论步骤代码这个程序做什么? 说明(C ++代码) 结果坎尼边缘检测器C ...
A COMBINED CORNER AND EDGE DETECTOR
A COMBINED CORNER AND EDGE DETECTOR 论文翻译:组合式角点和边缘检测器图像边缘滤波的一致性对于使用特征跟踪算法的3D图像序列解释至关重要. 为了迎合包含纹理和孤立特 ...
《TextBoxes: A Fast Text Detector with a Single Deep Neural Network》论文笔记
参考博文: 日常阅读论文,这是在谷歌学术上搜索其引用CRNN的相关文献中被引数量比较高的一篇OCR方向的文章,这里拿来读一读. 文章目录 make decision step1:读摘要 step2:读 ...
(原創) 如何將DE2_70_TV範例加上Sobel Edge Detector? (SOC) (Verilog) (Image Processing) (DE2-70)...
Abstract 本文將DE2-70平台的DE2_70_TV的範例加上Sobel Edge Detector. Introduction 使用環境:Quartus II 8.0 + DE2-70 (C ...
《ESPnet2-TTS: Extending the Edge of TTS Research》
<ESPnet2-TTS: Extending the Edge of TTS Research> https://github.com/espnet/espnet 背景 End-to-e ...
Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读—续篇
Paper之EfficientDet: <Scalable and Efficient Object Detection-可扩展和高效的目标检测>的翻译及其解读导读:2019年11月21 ...
Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读
Paper之EfficientDet: <Scalable and Efficient Object Detection-可扩展和高效的目标检测>的翻译及其解读导读:2019年11月21 ...
Paper/CV之IA：《First Order Motion Model for Image Animation图像动画的一阶运动模型》翻译与解读
Paper/CV之IA:<First Order Motion Model for Image Animation图像动画的一阶运动模型>翻译与解读目录 <First Order ...

《A Sub-Pixel Edge Detector: an Implementation of the Canny/Devernay Algorithm》