【OpenCV】Canny 边缘检测

最新推荐文章于 2025-05-29 00:00:00 发布

原创

最新推荐文章于 2025-05-29 00:00:00 发布 · 5.1w 阅读

63 ·

CC 4.0 BY-SA版权

文章标签：

#dst #optimization #buffer #算法 #border #image

本文介绍了Canny边缘检测算法，该算法通过高斯平滑、一阶导数计算、非极大值抑制和双阈值处理来有效检测图像边缘，同时探讨了算法流程、代码实现和实践示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Canny 边缘检测算法

1986年，JOHN CANNY 提出一个很好的边缘检测算法，被称为Canny编边缘检测器[1]。

Canny边缘检测根据对信噪比与定位乘积进行测度，得到最优化逼近算子，也就是Canny算子。类似与 LoG 边缘检测方法，也属于先平滑后求导数的方法。

使用Canny边缘检测器，图象边缘检测必须满足两个条件：

能有效地抑制噪声；
必须尽量精确确定边缘的位置。

算法大致流程：

1、求图像与高斯平滑滤波器卷积:

2、使用一阶有限差分计算偏导数的两个阵列P与Q：

3、幅值和方位角:

4、非极大值抑制（NMS ）：细化幅值图像中的屋脊带，即只保留幅值局部变化最大的点。

将梯度角的变化范围减小到圆周的四个扇区之一，方向角和幅值分别为：

非极大值抑制通过抑制梯度线上所有非屋脊峰值的幅值来细化M[i,j],中的梯度幅值屋脊．这一算法首先将梯度角θ[i,j]的变化范围减小到圆周的四个扇区之一,如下图所示：

5、取阈值

将低于阈值的所有值赋零，得到图像的边缘阵列
阈值τ取得太低->假边缘
阈值τ取得太高->部分轮廊丢失
选用两个阈值: 更有效的阈值方案．

相关代码

Canny算法实现：

用高斯滤波器平滑图像（在调用Canny之前自己用blur平滑）
用一阶偏导的有限差分来计算梯度的幅值和方向．
对梯度幅值应用非极大值抑制．
用双阈值算法检测和连接边缘．

void cv::Canny( InputArray _src, OutputArray _dst,
                double low_thresh, double high_thresh,
                int aperture_size, bool L2gradient )
{
    Mat src = _src.getMat();
    CV_Assert( src.depth() == CV_8U );
    
    _dst.create(src.size(), CV_8U);
    Mat dst = _dst.getMat();

    if (!L2gradient && (aperture_size & CV_CANNY_L2_GRADIENT) == CV_CANNY_L2_GRADIENT)
    {
        //backward compatibility
        aperture_size &= ~CV_CANNY_L2_GRADIENT;
        L2gradient = true;
    }

    if ((aperture_size & 1) == 0 || (aperture_size != -1 && (aperture_size < 3 || aperture_size > 7)))
        CV_Error(CV_StsBadFlag, "");

#ifdef HAVE_TEGRA_OPTIMIZATION
    if (tegra::canny(src, dst, low_thresh, high_thresh, aperture_size, L2gradient))
        return;
#endif

    const int