open cvCanny检测

Canny算法是1986年提出的边缘检测器算法

Canhy算法介绍-五步in cv::Canny
1.高斯模糊 去噪- GaussianBlur
2.灰度转换- cvtColor canny只能用于灰度图片
3.计算梯度- Sobel/Scharr
4.非最大信号抑制 对非边缘信号进行抑制(左右两边的值都小于中间的值 去掉左右的值 因为边缘不能太宽)
5.高低阈值输出二值图像 (对连接或未连接的边缘进行链接 小于最低阈值的舍弃 高于阈值的保留)
常见高低阈值比值为 高|低=3比1或者2比1

---

API -Canny 封装以上5步的结果
Canny(
InputArray src, //8 bit 的输入图像
OutputArray edges, //输出边缘图像，一般都是二值图像，背景是黑色
double threshold1, //低阈值，常取高阈值的1/2或者1/3
double threshold2, //高阈值
int aptertureSize //Sobel算子的size,通常是33,取值3
bool L2gradient //选择true表示是L2来归一化，
否则false表示用L1归一化,L2
代表对两个值的平方和开根号，
L1是两个数的绝对值相加。默认为L1
)*

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;

Mat	src, dst,gray	, edge_output,dst2;

int		T1 = 50;//最低阈值
int		MAX= 255;//最高阈值
int		T2 = 0;

void CANNY(int,void*);

void MIXIMG();


int main(void)
{
		src = imread("D:/实验台/机器视觉/测试图片/格子衬衫.jpg");
		if (src.empty())//如果src这个数据库属性为空
		{
		cout << "无法打开" << endl;
		return -1;
		}
		imshow("原图", src);
		namedWindow("CANNY边缘检测",CV_WINDOW_AUTOSIZE);
		createTrackbar("高低阈值连接调节","CANNY边缘检测",&T1,MAX,CANNY);
		CANNY(0,0);
		//MIXIMG();
		waitKey(0);
		return 0;
}

void CANNY(int, void*)
{
		
		if (T2 < 256){T2 = T1 * 2;}
		else{T2 = 255;}
		cvtColor(src, gray, CV_BGR2GRAY);//Canny只支持8位灰度图
		//用内核大小为3的过滤器模糊图像：   
		GaussianBlur(gray, gray, Size(3, 3),0,0);
		imshow("高斯处理灰度图片效果",gray);
		Canny(gray,edge_output, T1, T2, 3, false);//canny算子本身带有灰度化处理和模糊消噪处理 但是为了有更好的处理效果 需要在处理前进行高斯模糊
		//Canny边缘检测器(输入图像(8位灰度图像),输出图像(可和输入图像同名),最小阈值,最大阈值,算子卷积核大小,归一化方式默认为false)
		//边缘提取后覆盖原图
		dst.create(src.size(), src.type());//由于需要彩色线条显示 创建一个和原图大小一致的三通道彩色图片 
		//dst = Scalar(0, 255, 0);//可以	调节背景颜色 如果不设置颜色 上句默认为全灰色
		src.copyTo(dst, edge_output);
		//由于创建的dst获取了src的色彩类型和图像大小 在此处再使用copyto函数把src的色彩空间赋予給叠加了边缘的dst 就获得了彩色边缘
		//图像所以当把Canny边缘检测的结
		//果赋给dst时，叠加了原图像的色彩
		//输出结果为彩色的边缘提取图像
		imshow("CANNY边缘检测",dst);//彩色叠加输出
		//imshow("CANNY边缘检测",~edge_output); //灰度直接输出 '~'取反输出 黑变白 白变黑 
		printf("最小阈值为%d	  最大阈值为%d\r", T1, T2);//T2会多出一个零
		return;
}

void MIXIMG()//copyTo实现图片背景混合显示 实验
{
	dst.create(src.size(), src.type());//由于需要彩色线条显示 创建一个和原图大小一致的三通道彩色图片 默认为全灰色
	dst = Scalar(0, 255, 0);//调节背景颜色

	dst2.create(src.size(), src.type());//由于需要彩色线条显示 创建一个和原图大小一致的三通道彩色图片 默认为全灰色
	dst2= Scalar(255, 0, 0);//调节背景颜色
	src.copyTo(dst, dst2);

	imshow("图片混合显示",dst);
}

为什么需要Canny边缘检测?

低错误率：意味着只有现有边缘的良好检测。
良好的定位：检测到的边缘像素与实际边缘像素之间的距离必须最小化。
最小响应：每个边缘只有一个检测器响应。

detected_edges：源图像，灰度
detected_edges：检测器的输出（可以与输入相同）
lowThreshold：用户移动轨迹栏输入的值
highThreshold：在程序中设置为下限阈值的三倍（在Canny的建议之后）
kernel_size：我们将它定义为3（要在内部使用的Sobel内核的大小）

原文链接：https://blog.csdn.net/qq_41248872/article/details/82889468
https://blog.csdn.net/qq_41248872/article/details/82889468?utm_medium=distribute.pc_relevant.none-task-blog-OPENSEARCH-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-1.nonecase