图像处理——基于OpenCV的canny边缘检测

前言

边缘检测是处理图像里面的比较重要的一个概念，现在的边缘有传统的处理算法，也有加入深度学习的边缘检测算法，这里把我用过的几种边缘检测做个对比。

canny算子

1.OpenCV canny() C++ API

void Canny(InputArray image, OutputArray edges, double threshold,double threshold2,int apertureSize = 3,bool L2gradient = false)

参数说明：
InputArray image：输入图像（8-bit）。
OutputArray edges：输出的边缘图像。
double threshold：第一个滞后性阈值
double threshold2：第二个滞后性阈值
int apertureSize：表示应用Sobel算子的孔径大小，默认值为3
bool L2gradient：一个计算图像梯度幅值的标识，默认值false

2.实现步骤（OpenCV官方文档）

3.代码实现

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

cv::Mat src, gray, dst;

cv::Mat canny_edges;
int canny_low_threshold = 1; 

//Canny边缘检测窗口滚动条的回调函数
static void cannyCallBack(int, void *);  

int main()
{
	src = cv::imread("1.jpg");

	if (src.empty())
	{
		
		return -1;
	}
	cv::namedWindow("原图",0);
	cv::imshow("原图", src);

	dst.create(src.size(), src.type());

	//灰度图像
	cvtColor(src, gray, cv::COLOR_BGR2GRAY);

	cv::namedWindow("Canny", 0);

	//创建可调节的窗口
	cv::createTrackbar("参数值：", "Canny", &canny_low_threshold, 255, cannyCallBack);

	//调用回调函数
	cannyCallBack(0, 0);
	
	cv::waitKey(0);
	return 0;
}

//回调函数
void cannyCallBack(int, void *)
{
	//先使用3×3的内核进行降噪
	blur(gray, canny_edges, cv::Size(3, 3));

	cv::Mat out;

	//调用Canny算子
	Canny(canny_edges, out, canny_low_threshold, canny_low_threshold * 3, 3);
	dst = cv::Scalar::all(0);
	src.copyTo(dst, out);

	//显示效果图
	imshow("Canny", out);
}

4.运行效果