Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/jm12138/cannydetector
A python implementation of Canny Detector using numpy / scipy / torch / paddle package.
https://github.com/jm12138/cannydetector
canny-detector numpy opencv paddle paddlepaddle pytorch scipy torch
Last synced: 3 months ago
JSON representation
A python implementation of Canny Detector using numpy / scipy / torch / paddle package.
- Host: GitHub
- URL: https://github.com/jm12138/cannydetector
- Owner: jm12138
- License: apache-2.0
- Created: 2021-10-17T16:22:27.000Z (over 3 years ago)
- Default Branch: main
- Last Pushed: 2024-05-17T08:18:20.000Z (8 months ago)
- Last Synced: 2024-10-13T04:44:35.311Z (3 months ago)
- Topics: canny-detector, numpy, opencv, paddle, paddlepaddle, pytorch, scipy, torch
- Language: Jupyter Notebook
- Homepage:
- Size: 3.95 MB
- Stars: 24
- Watchers: 1
- Forks: 3
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# 简介
* 一个基于 Python 和 cv2 / numpy / scipy / torch / paddle 等模块实现的 Canny 边缘检测器
* 本项目中包含如下三个版本的 Canny 边缘检测器：
* Python：使用 numpy 模块的原生 python 实现的简易版本 Canny 边缘检测器，效果一般
* Pytorch：基于 torch 深度学习框架实现的运用矩阵运算并行加速、GPU 计算加速的 Canny 边缘检测器，效果较好
* Paddle：基于 paddle 深度学习框架实现，功能与结果与 torch 版本保持一致
* 项目总览：[Jupyter Notebook](./CannyDetector.ipynb)
* 在线体验：[](https://colab.research.google.com/github/jm12138/CannyDetector/blob/main/CannyDetector.ipynb) [](https://aistudio.baidu.com/aistudio/projectdetail/2490960)
# 更新
* 【Bug Fix】修复大批量数据的边缘检测报错的问题 [@Beat-in-our-hearts](https://github.com/Beat-in-our-hearts) [#2](https://github.com/jm12138/CannyDetector/pull/2)
# 目录结构
* 本项目大致的文件目录结构及功能如下：
```
│ requirements.txt # 依赖模块列表
│
│ CannyDetector.ipynb # Jupyter Notebook
│
├─tools # 脚本工具
│ │
│ ├─test_all.py # 总体测试脚本
│ │
│ ├─test_opencv.py # OpenCV 测试脚本
│ │
│ ├─test_paddle.py # Paddle 测试脚本
│ │
│ ├─test_python.py # Python 测试脚本
│ │
│ └─test_pytorch.py # Pytorch 测试脚本
│
├─cannydet # Canny 边缘检测器代码
│ │
│ ├─paddle # Paddle 实现
│ │
│ ├─python # Python 实现
│ │
│ └─torch # Pytorch 实现
│
├─results # 输出结果
│ │
│ ├─compare # 结果对比图像
│ │
│ ├─cv2 # OpenCV 输出图像
│ │
│ ├─paddle # Paddle 输出图像
│ │
│ ├─python # Python 输出图像
│ │
│ └─torch # Pytorch 输出图像
│
└─test_imgs # 测试图像
```
# 算法原理
* Canny 是一个经典的图像边缘检测算法，一般包含如下几个步骤：
* 使用高斯模糊对图像进行模糊降噪处理
* 基于图像梯度幅值进行图像边缘增强
* 非极大值抑制处理进行图像边缘细化
* 图像二值化和边缘连接得到最终的结果
# 结果对比
* 多种实现对比的实测效果图如下：
# 性能对比
* 测试平台：
|CPU|显卡|内存|系统|
|:-:|:-:|:-:|:-:|
|AMD Ryzen 5 3600|Nvidia RTX 2060|8G|Windows10|
* 使用上图作为测试图片测试多个实现的耗时长短：
|实现方式|耗时(s)|
|:-:|:-:|
|Python|11.51|
|Pytorch CPU|0.13|
|Pytorch GPU|0.04|
|Paddle CPU|0.40|
|Paddle GPU|0.06|
|OpenCV|0.02|
# 快速使用
* 安装依赖
```bash
$ pip install -r requirements.txt
```
* 使用下面的命令运行测试脚本：
```bash
# 运行所有实现的测试脚本
$ python tools/test_all.py
# 运行 OpenCV 实现的测试脚本
$ python tools/test_opencv.py
# 运行 Python 实现的测试脚本
$ python tools/test_python.py
# 运行 Pytorch 实现的测试脚本
$ python tools/test_pytorch.py
# 运行 Paddle 实现的测试脚本
$ python tools/test_paddle.py
```
* 使用脚本对自定义图片进行边缘检测：
* Python 实现：
```python
import cv2
import numpy as np
from cannydet.python import canny
lower = 0.1 # 最小阈值
upper = 0.3 # 最大阈值
img_path = 'test_imgs/1-1.jpg' # 指定测试图像路径
res_path = 'test.png' # 指定结果保存路径
gray = cv2.imread(img_path, 0) # 读取灰度图像
edge = canny(gray, lower, upper) # Canny 图像边缘检测
edge = (edge * 255).astype(np.uint8) # 反归一化
cv2.imshow('result', edge) # 结果预览
cv2.waitKey(0) # 等待响应
cv2.imwrite(res_path, edge) # 结果保存
```
* Pytorch 实现：
```python
import cv2
import torch
import numpy as np
from cannydet.torch import CannyDetector
lower = 2.5 # 最小阈值
upper = 5 # 最大阈值
img_path = 'test_imgs/1-1.jpg' # 指定测试图像路径
res_path = 'test.png' # 指定结果保存路径
img = cv2.imread(img_path, 1) # 读取彩色图像
img = np.transpose(img, [2, 1, 0]) / 255.0 # 转置 + 归一化
img_tensor = torch.from_numpy(img[None, ...]).float() # 转换为 Tensor
canny = CannyDetector(device='cpu') # 初始化 Canny 检测器，可设置其运行的设备
edge = canny(img_tensor, lower, upper) # Canny 图像边缘检测
edge = np.squeeze(edge.cpu().numpy()) # 去除 Batch dim
edge = np.transpose(edge, [1, 0]) # 图像转置
edge = (edge * 255).astype(np.uint8) # 反归一化
cv2.imshow('result', edge) # 结果预览
cv2.waitKey(0) # 等待响应
cv2.imwrite(res_path, edge) # 结果保存
```
* Paddle 实现：
```python
import cv2
import paddle
import numpy as np
from cannydet.paddle import CannyDetector
lower = 2.5 # 最小阈值
upper = 5 # 最大阈值
img_path = 'test_imgs/1-1.jpg' # 指定测试图像路径
res_path = 'test.png' # 指定结果保存路径
img = cv2.imread(img_path, 1) # 读取彩色图像
img = np.transpose(img, [2, 1, 0]) / 255.0 # 转置 + 归一化
img_tensor = paddle.to_tensor(img[None, ...]).cast('float32') # 转换为 Tensor
paddle.set_device('cpu') # 设置其运行的设备
canny = CannyDetector() # 初始化 Canny 检测器
edge = canny(img_tensor, lower, upper) # Canny 图像边缘检测
edge = np.squeeze(edge.numpy()) # 去除 Batch dim
edge = np.transpose(edge, [1, 0]) # 图像转置
edge = (edge * 255).astype(np.uint8) # 反归一化
cv2.imshow('result', edge) # 结果预览
cv2.waitKey(0) # 等待响应
cv2.imwrite(res_path, edge) # 结果保存
```
* OpenCV 实现：
```python
import cv2
lower = 30 # 最小阈值
upper = 70 # 最大阈值
img_path = 'test_imgs/1-1.jpg' # 指定测试图像路径
res_path = 'test.png' # 指定结果保存路径
gray = cv2.imread(img_path, 0) # 读取灰度图像
edge = cv2.Canny(gray, lower, upper) # Canny 图像边缘检测
cv2.imshow('result', edge) # 结果预览
cv2.waitKey(0) # 等待响应
cv2.imwrite(res_path, edge) # 结果保存
```
# 参考资料
* 参考论文：
```
@ARTICLE{4767851,
author={Canny, John},
journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
title={A Computational Approach to Edge Detection},
year={1986},
volume={PAMI-8},
number={6},
pages={679-698},
doi={10.1109/TPAMI.1986.4767851}}
```
* 参考项目：
* [DCurro/CannyEdgePytorch](https://github.com/DCurro/CannyEdgePytorch)
* 参考文章：
* [Canny边缘检测 原理&&python代码](https://blog.csdn.net/xiachong27/article/details/88385123)
* [Canny 边缘检测算法-python实现](https://ai-chen.github.io/%E4%BC%A0%E7%BB%9F%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86%E6%96%B9%E6%B3%95/2019/08/21/Canny-%E8%BE%B9%E7%BC%98%E6%A3%80%E6%B5%8B%E7%AE%97%E6%B3%95.html)
* [Python+Opencv实现无参数、全自动的Canny算法](https://blog.csdn.net/WZZ18191171661/article/details/89762062)
* [使用Pytorch从头实现Canny边缘检测](https://blog.csdn.net/sophia_11/article/details/117004153)