【1】边缘检测算法流程

使用高斯滤波器来平滑图像，达到滤除噪声的效果。(降噪)
计算图像中每个像素点的梯度大小和方向（求梯度,与sobel算法求梯度一致）
使用非极大值抑制，消除边缘检测带来的不利影响（非极大抑制）
使用双域值法监测确定真实和潜在的边缘（双域值检测）
通过抑制孤立的弱边缘完成边缘检测（抑制弱边缘）

具体算法流程可以参考该文章：

https://zhuanlan.zhihu.com/p/494567705

【2】Canny算子介绍

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

具体参数介绍：

第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，可以为三通道彩色图像，也可以是单通道的灰度图像。
第二个参数，OutputArray类型的edges，输出的边缘图，是单通道的边缘图像。
第三个参数，double类型的threshold1，第一个滞后性阈值。
第四个参数，double类型的threshold2，第二个滞后性阈值。

Canny采用俩个阈值，根据边缘响应的灰度图，大于高阈值的为强边缘，小于低阈值的为弱边缘，介于强弱边缘的值采用搜索算法。在8个领域内是否存在强边缘，如果存在强边缘，则该点就可以设置为强边缘。

第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。
第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

【3】完整代码

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

using namespace cv;
using namespace std;

int main(int argc,char** argv)
{
	//载入原始图
	Mat src = imread("E:\\乔大花进度\\11-28\\边缘检测\\2.jpg");
	Mat src1 = src.clone();
	Mat src2(src.size(),CV_8UC1);
	//第一种直接使用边缘检测canny算法
	//blur(src2,src2,Size(3,3));
	Canny(src,src2,150,180);
	imshow("边缘检测1",src2);

	//第二种高阶边缘检测算法，转为灰度图，降噪，用Canny得到最后的边缘作为掩码，转到原图得到效果图，得到色彩的边缘图
	Mat dst, edge, gray;

	//【1】创建与src同类型和大小的矩阵(dst)
	dst.create(src1.size(),src1.type());
	//【2】将彩色图转为灰度图
	cvtColor(src1,gray,COLOR_BGR2GRAY);
	//【3】先使用3x3的内核用来降噪
	blur(gray,edge,Size(3,3));
	//【4】运行canny算法
	Canny(edge, edge, 3, 9);
	//【5】将dst中的像素都置为0
	dst = Scalar::all(0);
	//【6】与edge为掩码，将src2复制到dst中
	src1.copyTo(dst,edge);

	//【7】显示效果图
	imshow("边缘检测2",dst);

	//显示原始图
	imshow("原图",src);

	waitKey(0);
	system("pause");
	destroyAllWindows();

	return 0;

}

运行结果：

Opencv(C++)学习系列---Canny边缘检测算法

【1】边缘检测算法流程

【2】Canny算子介绍

【3】完整代码

猜你喜欢