Opencv2系列学习笔记9(使用Canny算子检测轮廓)

最新推荐文章于 2024-08-06 18:03:03 发布

小村长

最新推荐文章于 2024-08-06 18:03:03 发布

阅读量1.2w

点赞数 1

分类专栏： Opencv学习笔记文章标签： opencv canny

本文链接：https://blog.csdn.net/Lu597203933/article/details/17362005

版权

本文介绍了Canny算子在边缘检测中的优势，它通过双阀值策略解决边缘检测中过粗和阀值选择的问题。文章提供了OpenCV和Matlab中实现Canny算子的代码示例，并解释了相关参数，如阈值和高斯滤波器的标准差。对比Sobel算子和拉普拉斯变换，Canny算子能获得更优的边缘检测结果。

摘要由CSDN通过智能技术生成

前面我们用sobel算子和拉普拉斯变换也可以进行边缘检测，见我的上一篇blog:

http://blog.csdn.net/lu597203933/article/details/17252285

但这样得到的二值边缘图像有两大缺点。第一：检测到的边缘过粗，这意味着难以实现物体的精确定位。第二：难以找到这样的阀值，即能足够低检测到所有重要的边缘，同时也不至于包含过多次要的边缘。

这个正是canny算子要解决的。

Canny算子通常基于sobel算子，有两个阀值，这样可以得到两幅边缘图；canny算法组合这两幅边缘图以生成一副“最优”的轮廓图。如果存在连续的边缘点，则将低阀值图像中的边缘点与高阀值图像中的边缘相连接，那么就保留低阀值图像中的边缘点。这种使用双阀值以得到二值图像的策略被称为磁滞阀值化。

代码:

int main()
{
	Mat image = imread("F:\\lena.png", 0);    // 这里也可以是BGR 但是想想提取轮廓 效果是一样的
	if(!image.data)
	{
		cout << "Fail to load image" << endl;
		return 0;
	}
	Mat result;
	Canny(image, result, 150, 220);
	namedWindow("cannyResult");
	imsh