CHƯƠNG 04 Tách cấu trúc

Phát hiện biên

Mắt người nhận ra vật thể nhờ đường viền. Máy tính nhận ra đường viền nhờ đạo hàm: nơi gradient lớn là nơi có biên. Canny thêm làm mờ, non-maximum suppression và hysteresis để biến gradient thô thành một bản đồ biên mảnh, sạch.

Tách cấu trúc Cơ bản 18 phút đọc bài thử tương tác
Ảnh minh hoạ cho Phát hiện biên 04 / 46
Sobel · Laplacian Một khung hình, một câu hỏi.
01 Trực giác

Chuyện gì đang xảy ra?

Nếu một vùng ảnh phẳng, pixel bên cạnh gần như bằng pixel hiện tại, đạo hàm xấp xỉ 0. Nếu đi từ nền sáng sang vật thể tối, đạo hàm tăng vọt. Vì vậy biên có thể được tìm bằng cách tính gradient theo hai hướng x và y, rồi lấy độ lớn.

Sobel là bộ lọc gradient kèm làm mờ nhẹ. Nó nhanh và ổn định, nhưng trả về biên dày (mỗi cạnh có thể thành hai dải). Laplacian là đạo hàm bậc hai, nhạy với thay đổi đột ngột hơn, nhưng cũng nhạy với nhiễu gấp đôi. Vì vậy Laplacian thường chỉ dùng sau khi đã làm mờ.

Canny là một luồng xử lý hoàn chỉnh: làm mờ Gaussian, tính gradient, loại pixel không phải cực đại địa phương (non-maximum suppression), rồi dùng hai ngưỡng để nối biên mạnh với biên yếu (hysteresis). Kết quả là đường biên mảnh, liên tục hơn nhiều so với ngưỡng gradient đơn thuần.

Hai ngưỡng Canny nên có tỉ lệ khoảng 2:1 hoặc 3:1. Ngưỡng thấp quá giữ lại noise; ngưỡng cao quá làm đứt biên. Trong thực tế, hãy chỉnh trên chính ảnh và điều kiện ánh sáng của bài toán, đừng dùng một cặp số cho mọi camera.

Thuật toán không “hiểu” ảnh. Nó chỉ tìm một cách biến đổi có thể kiểm tra được.

02 Công thức

Viết lại bằng toán.

Không cần thuộc lòng. Hãy đọc công thức như một câu mô tả: đại lượng nào được cộng, cái gì bị chuẩn hoá, và điều kiện nào khiến nó thất bại.

CÔNG THỨC / 01

Gradient và độ lớn

\[ \nabla f = \begin{bmatrix} G_x \\ G_y \end{bmatrix}, \qquad \|\nabla f\| = \sqrt{G_x^2 + G_y^2} \]
  • Gx: đạo hàm theo x (biên dọc)
  • Gy: đạo hàm theo y (biên ngang)

Hướng gradient là hướng thay đổi sáng mạnh nhất; nó vuông góc với biên.

CÔNG THỨC / 02

Kernel Sobel 3×3

\[ G_x = \begin{bmatrix}-1&0&1\\-2&0&2\\-1&0&1\end{bmatrix} * I, \qquad G_y = \begin{bmatrix}-1&-2&-1\\0&0&0\\1&2&1\end{bmatrix} * I \]
  • Kernel Gx nhấn mạnh thay đổi ngang
  • Kernel Gy nhấn mạnh thay đổi dọc

Sobel kết hợp đạo hàm và làm mờ nhẹ theo hướng vuông góc.

CÔNG THỨC / 03

Canny: hai ngưỡng

\[ \text{edge} = \begin{cases}\text{strong} & \|\nabla f\| \ge T_{high}\\ \text{weak} & T_{low} \le \|\nabla f\| < T_{high}\end{cases} \]
  • Biên mạnh được giữ
  • Biên yếu chỉ giữ nếu nối với biên mạnh

Hysteresis giúp đường biên liên tục mà không kéo theo toàn bộ noise.

03 Từng bước

Luồng xử lý bằng lời.

  1. 01

    Làm mờ

    Gaussian nhỏ (3×3 hoặc 5×5) để giảm noise trước khi lấy đạo hàm.

  2. 02

    Tính gradient

    Sobel theo x và y; độ lớn cho biết “mạnh hay yếu”, hướng cho biết biên quay về đâu.

  3. 03

    Non-maximum suppression

    Giữ lại pixel là cực đại theo hướng gradient; các pixel cùng một sườn dốc bị loại.

  4. 04

    Hysteresis

    Dùng ngưỡng cao để tìm biên chắc chắn, ngưỡng thấp để nối các đoạn yếu gần đó.

  5. 05

    Kiểm tra overlay

    Chồng biên lên ảnh gốc để phát hiện biên giả do texture, bóng đổ hoặc nhiễu.

04 Tham số

Núm vặn và cạm bẫy.

Tham sốÝ nghĩaKhoảng
methodCanny, Sobel magnitude hoặc Laplacian.canny / sobel / laplacian
lowNgưỡng dưới của Canny (hoặc ngưỡng hiển thị cho Sobel).0…255
highNgưỡng trên của Canny; nên lớn hơn low.0…255
ksizeKích thước kernel đạo hàm.1 / 3 / 5 / 7
blurGaussian làm mờ trước khi tính gradient.1…15, lẻ

! Cạm bẫy thường gặp

  • Tăng ngưỡng Canny để “sạch” có thể làm đứt biên của vật thể mờ.
  • Chạy Canny trên ảnh màu: OpenCV sẽ tự chuyển xám, nhưng đừng giả định nó dùng kênh nào.
  • Blur quá mạnh làm biên yếu biến mất; blur quá yếu giữ noise.
  • Biên không phải vật thể: texture, bóng đổ và mép bàn đều tạo biên.
05 Mã nguồn

Mã nguồn tối giản, không phải giả mã.

MÃ THAM KHẢO / edge
import cv2

img = cv2.imread("camera.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5, 5), 0)

# Gradient thô
gx = cv2.Sobel(blur, cv2.CV_32F, 1, 0, ksize=3)
gy = cv2.Sobel(blur, cv2.CV_32F, 0, 1, ksize=3)
mag = cv2.magnitude(gx, gy)

# Canny: làm mờ + NMS + hysteresis
edges = cv2.Canny(blur, threshold1=80, threshold2=170)

# Chồng biên lên ảnh gốc
overlay = img.copy()
overlay[edges > 0] = (0, 255, 0)
overlay = cv2.addWeighted(img, 0.45, overlay, 0.55, 0)
THƯ VIỆN: OPENCV / NUMPY Đọc từ trên xuống · thử từng block
06 Thử

Điều chỉnh tham số.

Chọn ảnh mẫu hoặc tải ảnh của bạn lên, chỉnh tham số, rồi chạy. Kết quả, các bước trung gian và nhật ký được cập nhật ngay tại đây.

CỤC BỘ / KHÔNG GỬI ẢNH
BÀN THỬ / 04 Phát hiện biên
SẴN SÀNG
KẾT QUẢ / TRỰC TIẾP —
Ảnh đầu vào mặc định
Bấm “Chạy thử” Kết quả sẽ xuất hiện ở đây.
TRẠNG THÁIChờ chạy
ĐẦU VÀO—
SỐ BƯỚC—
THỜI GIAN—
NHẬT KÝ / LUỒNG XỬ LÝ
$ bài thử chưa chạy
$ chọn ảnh và bấm “Chạy thử”
07 Ứng dụng

Dùng nó ở đâu?

DÙNG / 01

Tiền xử lý cho Hough transform, contour và đo kích thước.

DÙNG / 02

Phát hiện làn đường, mép bàn, khung cửa.

DÙNG / 03

Nén ảnh và phân tích cấu trúc cảnh.