OpenCV2学习（4）之好玩的边缘检测

二话不说，先上图：

1、拉普拉斯算子

2、Sobel算子

3、Canny算子

一、拉普拉斯算子简单实现：

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

//命名空间
using namespace cv;

//主函数
int main()
{
	//变量的定义
	Mat src, src_gray, dst, abs_dst;

	//载入原始图  
	src = imread("F:/Image/girl.jpeg");  

	//窗口定义
	cvNamedWindow("原图", 0);
	cvNamedWindow("拉普拉斯变换", 0);

	//显示原始图 
	imshow("原图", src);

	//使用高斯滤波消除噪声
	GaussianBlur(src, src, Size(3, 3), 0, 0, BORDER_DEFAULT);

	//转换为灰度图
	cvtColor(src, src_gray, CV_RGB2GRAY);

	//使用Laplace函数
	Laplacian(src_gray, dst, CV_16S, 3, 3, 0, BORDER_REFLECT);

	//计算绝对值，并将结果转换成8位
	convertScaleAbs(dst, abs_dst);

	//显示效果图
	imshow("拉普拉斯变换", abs_dst);

	waitKey(0);
	destroyAllWindows();
	return 0;
}

原理解释：未完待续。。。

二、Sobel算子简单实现

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

//命名空间
using namespace cv;

//主函数
int main()
{
	//创建 grad_x 和 grad_y 矩阵
	Mat grad_x, grad_y;
	Mat abs_grad_x, abs_grad_y, dst;

	//载入原始图  
	Mat src = imread("F:/Image/girl.jpeg"); 

	//显示原始图
	cvNamedWindow("原图",0);
	imshow("原图", src);

	//求 X方向梯度
	Sobel(src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);
	convertScaleAbs(grad_x, abs_grad_x);
	cvNamedWindow("【效果图】 X方向Sobel",0);
	imshow("【效果图】 X方向Sobel", abs_grad_x);

	//求Y方向梯度
	Sobel(src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);
	convertScaleAbs(grad_y, abs_grad_y);
	cvNamedWindow("【效果图】Y方向Sobel", 0);
	imshow("【效果图】Y方向Sobel", abs_grad_y);

	//合并梯度(近似)
	addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
	cvNamedWindow("【效果图】整体方向Sobel", 0);
	imshow("【效果图】整体方向Sobel", dst);

	waitKey(0);

	destroyAllWindows();
	return 0;
}

原理解释：未完待续。。。(考完试就更)

三、Canny算子简单实现

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

//命名空间
using namespace cv;

//主函数
int main()
{
	//载入原始图  
	Mat src = imread("F:/Image/girl.jpeg");
	Mat src1 = src.clone();

	//显示原始图 
	cvNamedWindow("原图", 0);
	imshow("原图", src);

	//----------------------------------------------------------------------------------
	//	一、最简单的canny用法，拿到原图后直接用。
	//----------------------------------------------------------------------------------
	Canny(src, src, 150, 100, 3);
	cvNamedWindow("【效果图】Canny边缘检测1", 0);
	imshow("【效果图】Canny边缘检测1", src);


	//----------------------------------------------------------------------------------
	//	二、高阶的canny用法，转成灰度图，降噪，用canny，最后将得到的边缘作为掩码，拷贝原图到效果图上，得到彩色的边缘图
	//----------------------------------------------------------------------------------
	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】将原图像转换为灰度图像
	cvtColor(src1, gray, CV_BGR2GRAY);

	// 【3】先用使用 3x3内核来降噪
	blur(gray, edge, Size(3, 3));

	// 【4】运行Canny算子
	Canny(edge, edge, 3, 9, 3);

	//【5】将g_dstImage内的所有元素设置为0 
	dst = Scalar::all(0);

	//【6】使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中
	src1.copyTo(dst, edge);

	//【7】显示效果图 
	cvNamedWindow("【效果图】Canny边缘检测2", 0);
	imshow("【效果图】Canny边缘检测2", dst);

	waitKey(0);
	destroyAllWindows();
	return 0;
}

原理解释：未完待续。。。(考完试就更)

四、算子程序整合（高级玩法）（待续）