imgproc模块--Canny边缘检测算子

1.目的
（1）如何使用openCV函数Canny检测边缘

2.原理
（1）Canny 边缘检测算法 是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法，也被很多人认为是边缘检测的 最优算法, 最优边缘检测的三个主要评价标准是:
[1]低错误率: 标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报。
[2]高定位性: 标识出的边缘要与图像中的实际边缘尽可能接近。
[3]最小响应: 图像中的边缘只能标识一次。

（2）Canny实现步骤
[1]消除噪声。 使用高斯平滑滤波器卷积降噪。 下面显示了一个 size=5 的高斯内核示例:

[2]计算梯度幅值和方向。 此处，按照Sobel滤波器的步骤:
a.运用一对卷积阵列 (分别作用于 x 和 y 方向):

b.使用下列公式计算梯度幅值和方向:

PS:梯度方向近似到四个可能角度之一(一般 0, 45, 90, 135)
[3]非极大值 抑制。 这一步排除非边缘像素， 仅仅保留了一些细线条(候选边缘)。

图像梯度幅值矩阵中的元素值越大，说明图像中该点的梯度值越大，但这不不能说明该点就是边缘（这仅仅是属于图像增强的过程）。在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点。

根据图1可知，要进行非极大值抑制，就首先要确定像素点C的灰度值在其8值邻域内是否为最大。图1中蓝色的线条方向为C点的梯度方向，这样就可以确定其局部的最大 值肯定分布在这条线上，也即出了C点外，梯度方向的交点dTmp1和dTmp2这两个点的值也可能会是局部最大值。因此，判断C点灰度与这两个点灰度大小 即可判断C点是否为其邻域内的局部最大灰度点。如果经过判断，C点灰度值小于这两个点中的任一个，那就说明C点不是局部极大值，那么则可以排除C点为边 缘。

实际上，我们只能得到C点邻域的8个点的值， 而dTmp1和dTmp2并不在其中，要得到这两个值就需要对该两个点两端的已知灰度进行线性插值，也即根据图1中的g1和g2对dTmp1进行插值，根 据g3和g4对dTmp2进行插值，这要用到其梯度方向，这是上文Canny算法中要求解梯度方向矩阵Thita的原因。

[4]滞后阈值。 最后一步，Canny 使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值):
a.如果某一像素位置的幅值超过 高 阈值, 该像素被保留为边缘像素。
b.如果某一像素位置的幅值小于 低 阈值, 该像素被排除。
c.如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于 高 阈值的像素时被保留
PS:Canny 推荐的 高:低 阈值比在 2:1 到3:1之间。

3.部分代码解释
（1）copyTo

//grad：目的图像
//mask：掩码，对src进行掩码操作然后复制
src.copyTo(grad, mask);

（2）Canny

            /*
            Canny参数解释
            src：输入图像
            mask：输出掩码
            lowThresh：低阈值
            ratio*lowThresh:高阈值
            kernel_size：卷积核大小：奇数
            */
            //Canny输出结果为掩码
            Canny(src, mask, lowThresh, ratio*lowThresh, 2*kernel_size+1);

4.完整代码
（1）CommonInclude.h

#ifndef COMMON_INCLUDE
#define COMMON_INCLUDE

#include<iostream>
using namespace std;
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;

#endif

（2）Edge.cpp

#include "CommonInclude.h"
int edge_type = 0;
int kernel_size = 3;
int scale = 1;
int max_edge_type = 3;
int max_kernel_size = 11;
int ddepth = CV_16S;
int lowThresh = 0;
int max_lowThresh = 85;
//Canny 推荐的 高:低 阈值比在 2:1 到3:1之间。
int ratio = 3;
double delta = 0;
char windowNameOrigin[] = "Origin";
char windowNameEdge[] = "Edge";
/*
0:Sobel
1:Scharr
2:laplace
3:canny
*/
Mat src, grad;
Mat gradX, gradY;
Mat absGradX, absGradY;
Mat mask;
void EdgeDetector(int, void*){
    switch(edge_type){
        case(0):
            //Sobel detector
            /*
            sobel参数解释
            src：输入图像
            ddepth：图像深度
            x_order:x方向梯度
            y_order:y方向梯度
            kernel_size：核大小（为奇数）
            scale：尺度,计算导数时的缩放因子
            delta：梯度偏置值，对计算结果的偏置
            BORDER_DEFAULT：默认边界设置
            */
            Sobel(src, gradX, ddepth, 1, 0, 2*kernel_size+1, scale, delta, BORDER_DEFAULT);
            Sobel(src, gradY, ddepth, 0, 1, 2*kernel_size+1, scale, delta, BORDER_DEFAULT);
            convertScaleAbs(gradX, absGradX);
            convertScaleAbs(gradY, absGradY);
            addWeighted(absGradX, 0.5, absGradY, 0.5, 0, grad);
            break;
        case(1):
            /*
            scharr参数解释
            src：输入图像
            ddepth：图像深度
            x_order:x方向梯度
            y_order:y方向梯度
            scale：尺度,计算导数时的缩放因子
            delta：梯度偏置值，对计算结果的偏置
            BORDER_DEFAULT：默认边界设置
            */
            //Scharr只能使用大小为3的卷积核
            Scharr(src, gradX, ddepth, 1, 0, scale, delta, BORDER_DEFAULT);
            Scharr(src, gradY, ddepth, 0, 1, scale, delta, BORDER_DEFAULT);
            convertScaleAbs(gradX, absGradX);
            convertScaleAbs(gradY, absGradY);
            addWeighted(absGradX, 0.5, absGradY, 0.5, 0, grad);
            break;
        case(2):
            /*
            Laplacian参数解释
            src:输入图像
            grad：输出图像
            ddepth：输出图像的深度
            kernel_size：卷积核大小（必须是奇数）
            scale：计算导数时的缩放因子：scale×导数
            delta：偏置，对计算结果的偏置
            BORDER_DEFAULT：默认边界设置
            */  
            Laplacian(src, grad, ddepth, 2*kernel_size+1, scale, delta, BORDER_DEFAULT);
            convertScaleAbs(grad, grad);
            break;
        case(3):
            /*
            Canny参数解释
            src：输入图像
            mask：输出掩码
            lowThresh：低阈值
            ratio*lowThresh:高阈值
            kernel_size：卷积核大小：奇数
            */
            //Canny输出结果为掩码
            Canny(src, mask, lowThresh, ratio*lowThresh, 2*kernel_size+1);
            //cout << mask << endl;
            src.copyTo(grad, mask);
            break;
        default:
            cout << "error type!!!" << endl;
            break;
    }
    imshow(windowNameEdge, grad);
}

int main(int argc, char** argv){
    if(argc<2){
        cout << "more parameters are required!!!" << endl;
        return(-1);
    }
    src = imread(argv[1]);
    if(!src.data){
        cout << "erro to read image!!!" << endl;
        return(-1);
    }
    namedWindow(windowNameEdge, CV_WINDOW_AUTOSIZE);
    //高斯处理
    GaussianBlur(src, src, Size(3,3), 0, 0, BORDER_DEFAULT);
    //转化为灰度图像
    cvtColor(src, src, CV_BGR2GRAY);
    imshow(windowNameOrigin, src);
    createTrackbar("Edge Type:\n0 Sobel\n1 Scharr\n2 laplace \n3 Canny", windowNameEdge,
            &edge_type, max_edge_type,
            EdgeDetector);
    createTrackbar("Kernel Size:2*n+1", windowNameEdge,
            &kernel_size, max_kernel_size,
            EdgeDetector);
    createTrackbar("Low Threshold", windowNameEdge,
            &lowThresh, max_lowThresh,
            EdgeDetector);
    EdgeDetector(0,0);
    waitKey(0);
}

参考文献
1.http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/canny_detector/canny_detector.html