OpenCV开发专栏

OpenCV开发笔记（三十八）：红胖子8分钟带你深入了解高阶的Canny算子边缘检测（图文并茂+浅显易懂+程序源码）

前言

红胖子来也！！！

本篇章开始讲解高阶Canny检测，其实高阶的 Canny检测实际上是额外对Canny检测进行了一些处理

Demo

Demo图像结果位置示意图：

Canny算子边缘检测

请参照《OpenCV开发笔记（三十七）：红胖子8分钟带你深入了解边缘检测和Canny算子边缘检测（图文并茂+浅显易懂+程序源码）》（点击传送门）。

高阶的Canny用法

概述

高阶的Canny用法其实是人工先对其进行一定降噪的处理，比如先使用一次滤波对其进行降噪，此处我们使用一次高斯滤波，使用一次contrib中的ximgproc处理模块中的流行滤波器对图像先进行降噪处理，再进行滤波。

原图-->灰度化-->高斯滤波（点击传送门）-->canny边缘检测

原图-->灰度化-->自适应流行滤波器（点击传送门）-->canny边缘检测

高阶的使用，其实就是之前提到的，因算法开发者的不同，思维方式不同一个典型的案例。

高斯滤波函数原型

void GaussianBlur( InputArray src, 
                OutputArray dst,
                Size ksize, 
                double sigmaX,
                double sigmaY = 0,
                int borderType = BORDER_DEFAULT );

参数一：InputArray类型，一般是cv::Mat，且可以处理任何通道数的图片。但需要注意，待处理的图片深度应该为CV_8U、CV_16U、CV_16S、CV_32F、CV_64F中的一个；
参数二；OutputArray类型，输出的目标图像，需要和原图片有一样的尺寸和类型；
参数三：Size类型的ksize，核算子的大小。一般用Size(w,h)来表示核算子的大小，Size(3,3)就表示3x3的核算子大小，w和h可以大小不同；
参数四：double类型sigmaX，表示高斯核函数在X方向的标准偏差；
参数五：double类型sigmaY，表示高斯核函数在Y方向的标准偏差；

自适应流行滤波器函数原型

Ptr<AdaptiveManifoldFilter> createAMFilter(double sigma_s, double sigma_r, bool adjust_outliers = false);

参数一：空间标准差，范围必须大于0；
参数二：颜色空间标准差，它类似于sigma在颜色空间中双边过滤器，范围必须大于0小于1；
参数三：调整异常值可选，指定是否使用随机数生成器计算特征向量（目测依据测试结果，并未看出实际区别）；

滤波函数

void filter(InputArray src,
            OutputArray dst,
            InputArray joint = noArray());

参数一：输入cv::Mat；
参数二：输出cv::Mat，与输入的尺寸通道相同；
参数三：输入联结图；

创建和使用示例：

// 使用自适应流形应用高维滤波。
cv::Ptr<cv::ximgproc::AdaptiveManifoldFilter> pAdaptiveManifoldFilter
          = cv::ximgproc::createAMFilter(16.0, 0.1, true);
pAdaptiveManifoldFilter->filter(srcMat, dstMat, srcMat2);

Canny检测函数原型

void Canny( InputArray image,
          OutputArray edges,
          double threshold1,
          double threshold2,
          int apertureSize = 3,
          bool L2gradient = false );

参数一：InputArray类型的image，一般是cv::Mat，类型为必须为单通道；
参数二：OutputArray类型的edges；边缘输出边缘图；单通道8位图像，与输入的图像大小相同；
参数三：double类型的threshold1，滞后过程的第一阈值；
参数四：double类型的threshold2，滞后过程的第二阈值；
参数五：int类型的额apertureSize，Sobel运算符的孔径大小，默认为3；
参数六：bool类型的L2gradient，计算梯度幅值的操作，默认为false；

Demo源码

void OpenCVManager::testHighCanny()
{
    QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/1.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    if(!srcMat.data)
    {
        qDebug() << __FILE__ << __LINE__
                 << "Failed to load image:" << fileName1;
        return;
    }

    int width = 300;
    int height = 200;
    cv::resize(srcMat, srcMat, cv::Size(width, height));

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);


    cv::Mat dstMat;
    dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 3, dstMat.rows * 3),
                                srcMat.type());
    int ksize = 1;   // 核心大小
    int sigmaX = 0;  // x方向的标准偏差
    int sigmaY = 0;  // y方向的标准偏差

    int threshold1 = 200;
    int threshold2 = 100;

    int sigmaS = 160;
    int sigmaR = 2;

    cvui::window(windowMat, dstMat.cols, 0, dstMat.cols, dstMat.rows, "settings");
    cv::Mat grayMat;
    cv::Mat grayMat3Channels;
    cv::Mat mat;
    cv::cvtColor(srcMat, grayMat, CV_BGR2GRAY);
    cv::cvtColor(grayMat, grayMat3Channels, CV_GRAY2BGR);
    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);
        // 原图先copy到左边
        cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
                                    cv::Range(0, srcMat.cols));
        cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);
        // 中间为调整滤波参数的相关设置
        cvui::printf(windowMat, 375, 20, "ksize = size *  2 + 1");
        cvui::trackbar(windowMat, 375, 30, 165, &ksize, 0, 10);

        cvui::printf(windowMat, 375, 80, "sigmaX");
        cvui::trackbar(windowMat, 375, 90, 165, &sigmaX, 0, 100);

        cvui::printf(windowMat, 375, 140, "sigmaY");
        cvui::trackbar(windowMat, 375, 150, 165, &sigmaY, 0, 100);


        // 复制灰度图像
        {
            cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                         cv::Range(srcMat.cols * 0, srcMat.cols * 1));
            cv::addWeighted(rightMat, 0.0f, grayMat3Channels, 1.0f, 0.0f, rightMat);
        }

        {
            // 高斯滤波
            cv::Mat mat;
            cv::GaussianBlur(grayMat3Channels, mat, cv::Size(ksize * 2 + 1, ksize * 2 + 1), sigmaX / 10.f, sigmaY / 10.f);

            // 效果图copy到右边
            // 注意：rang从位置1到位置2，不是位置1+宽度
            cv::Mat rightMat = windowMat(cv::Range(0, srcMat.rows),
                                         cv::Range(srcMat.cols * 2, srcMat.cols * 3));
            cv::addWeighted(rightMat, 0.0f, mat, 1.0f, 0.0f, rightMat);
            // 高斯滤波后进行边缘检测
            // 使用边缘检测
            cv::Canny(mat, dstMat, threshold1, threshold2, 3);
            cv::Mat rightMat2 = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                         cv::Range(srcMat.cols * 2, srcMat.cols * 3));
            cv::cvtColor(dstMat, dstMat, CV_GRAY2BGR);
            cv::addWeighted(rightMat2, 0.0f, dstMat, 1.0f, 0.0f, rightMat2);

        }
        {
            cvui::printf(windowMat,
                         srcMat.cols * 1 + 75,
                         srcMat.rows * 1 + 20,
                         "threshold1");
            cvui::trackbar(windowMat,
                           srcMat.cols * 1 + 75,
                           srcMat.rows * 1 + 50,
                           165,
                           &threshold1,
                           0,
                           255);
            cvui::printf(windowMat,
                         srcMat.cols * 1 + 75,
                         srcMat.rows * 1 + 100, "threshold2");
            cvui::trackbar(windowMat,
                           srcMat.cols * 1 + 75,
                           srcMat.rows * 1 + 130,
                           165,
                           &threshold2,
                           0,
                           255);
            // 使用边缘检测
            cv::Canny(srcMat, dstMat, threshold1, threshold2, 3);
            // copy
            cv::Mat temp;
            mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                            cv::Range(srcMat.cols * 0, srcMat.cols * 1));

            cv::cvtColor(dstMat, temp, CV_GRAY2BGR);
            cv::addWeighted(mat, 0.0f, temp, 1.0f, 0.0f, mat);
        }
        {
            cvui::printf(windowMat, 75 + width * 1, height * 2 + 20, "sigmaS");
            cvui::trackbar(windowMat, 75 + width * 1, height * 2 + 50, 165, &sigmaS, 101, 10000);
            cvui::printf(windowMat, 75 + width * 1, height * 2 + 90, "sigmaR");
            cvui::trackbar(windowMat, 75 + width * 1, height * 2 + 120, 165, &sigmaR, 1, 100);

            // 使用自适应流形应用高维滤波。
            cv::Mat tempMat;
            cv::Ptr<cv::ximgproc::AdaptiveManifoldFilter> pAdaptiveManifoldFilter
                    = cv::ximgproc::createAMFilter(sigmaS/100.0f, sigmaR/100.0f, true);
            pAdaptiveManifoldFilter->filter(grayMat, tempMat);
            // 使用边缘检测
            cv::Canny(tempMat, tempMat, threshold1, threshold2, 3);
            // copy
            mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                            cv::Range(srcMat.cols * 2, srcMat.cols * 3));
            cv::cvtColor(tempMat, dstMat, CV_GRAY2BGR);
            cv::addWeighted(mat, 0.0f, dstMat, 1.0f, 0.0f, mat);

        }
        // 更新
        cvui::update();
        // 显示
        cv::imshow(windowName, windowMat);
        // esc键退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}