opencv学习——边缘检测的Canny算法

Canny算法主要包括4步：

利用高斯算子对图像进行平滑；
由于对图像求一阶或二阶导数很容易放大噪声，将噪声判断为边缘，因此预先要做一次平滑来减少其影响，canny算法采用的是高斯算子与源图像卷积，其中高斯算子在之前图像滤波中有过介绍。
找寻图像的强度梯度；采用Sobel算子来计算X和Y方向上的梯度值，并将它们的二范数及几何平均值作为梯度的强度信息，将它们和向量的夹角作为梯度的方向信息。
应用非最大抑制方式来消除误检；
保留每个像素点梯度方向的极值，将模糊的边界变得清晰，具体做法是先将梯度方向近似为上下左右和45度方向中的一个（0，45，90，135，180，225，270，315），再比较该像素点与其梯度方向上的像素点的梯度强度，若最大则保留，否则抑制。
采用双阈值方式来判断边缘。
Canny算法采用双阈值的方法，若梯度强度大于阈值上界则必认为是边界，若梯度强度小于阈值下界则必然认为不是边界，两者之间者需要进一步判断，若若边界周围存在强边界则认为是边界，不存在则认为该弱边界需要被抑制。
Opencv函数

CVAPI(void) cvCanny( const CvArr* image, CvArr* edges, double threshold1, double threshold2, int aperture_size CV_DEFAULT(3) );

参数一：源图像
参数二：输出边界图像
参数三：下边界阈值
参数四：上边界阈值
参数五：Sobel算子的模板大小，默认为3
注：使用canny算法需要先将源图像转化为单通道图像。

代码如下：

IplImage *g_src, *dst;
 g_src = cvCreateImage(cvGetSize(m_ipl), IPL_DEPTH_8U, 1); 
 cvCvtColor(m_ipl, g_src, CV_RGB2GRAY); 
 dst = cvCreateImage(cvGetSize(g_src), IPL_DEPTH_8U, 1); 
 CEdit *m_edit_thre = (CEdit*)GetDlgItem(IDC_THRE); 
 CString th; 
 m_edit_thre->GetWindowTextA(th); 
 int t = atoi(th); 
 cvCanny(g_src,dst,t,t*1.2,3); 
 cvNamedWindow(_T("边缘检测后的图像")); 
 cvShowImage(_T("边缘检测后的图像"), dst); 
 cvReleaseImage(&g_src); 
 cvReleaseImage(&dst);

opencv学习——边缘检测的Canny算法

猜你喜欢