Opencv图像处理---Canny边缘检测

理论

Canny算法旨在满足三个主要标准：

• 低错误率：意味着只检测存在的边缘。
• 良好的定位：必须最小化检测到的边缘像素和真实边缘像素之间的距离。
• 最小响应：每个边缘只有一个检测器响应。

步骤

• 过滤掉任何噪音。 高斯滤波器用于此目的。 可能使用的大小为5的高斯内核的示例如下所示：
• 找到图像的强度梯度。 为此，我们遵循类似Sobel的程序：

1. 应用一对卷积掩模（在x和y方向)：
2. 找到梯度强度和方向：

• 应用非最大抑制。 这将删除不被视为边缘一部分的像素。 因此，仅保留细线（候选边缘）。
• 迟滞：最后一步。 Canny确实使用了两个阈值（上限和下限）：

1. 如果像素梯度高于上阈值，则该像素被接受为边缘
2. 如果像素梯度值低于下阈值，则拒绝它
3. 如果像素梯度在两个阈值之间，则仅当它连接到高于上阈值的像素时才接受它。

代码

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>
using namespace cv;
Mat src, src_gray;
Mat dst, detected_edges;
int edgeThresh = 1;
int lowThreshold;
int const max_lowThreshold = 100;
int ratio = 3;
int kernel_size = 3;
const char* window_name = "Edge Map";
static void CannyThreshold(int, void*)
{
    blur( src_gray, detected_edges, Size(3,3) );
    Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );
    dst = Scalar::all(0);
    src.copyTo( dst, detected_edges);
    imshow( window_name, dst );
}
int main( int, char** argv )
{
  src = imread( argv[1] );
  if( src.empty() )
    { return -1; }
  dst.create( src.size(), src.type() );
  cvtColor( src, src_gray, COLOR_BGR2GRAY );
  namedWindow( window_name, WINDOW_AUTOSIZE );
  createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );
  CannyThreshold(0, 0);
  waitKey(0);
  return 0;
}

解释

• 创建一些所需的变量：

1. 我们建立一个较低的比率：上限阈值为3：1（可变比例）
2. 我们将内核大小设置为3（用于由Canny函数在内部执行的Sobel操作）
3. 我们为下限阈值设置了最大值100。

• 加载源图像：
• 创建一个src相同类型和大小的矩阵（将是dst）
• 将图像转换为灰度（使用函数cv :: cvtColor：）
• 创建一个窗口以显示结果
• 创建一个滑块栏，供用户输入Canny探测器的下限：

1. 滑动条控制的变量是低阈值，具有最大低阈值限制（我们之前设置为100）
2. 每次滑动条注册一个动作时，都会调用回调函数CannyThreshold。

• 让我们一步一步检查CannyThreshold函数：

1. 首先，我们使用内核大小为3的过滤器模糊图像：
2. 其次，我们应用OpenCV函数cv :: Canny：

• 我们用零填充dst图像（意味着图像是完全黑色的）。
• 最后，我们将使用函数cv :: Mat :: copyTo仅映射图像中标识为边的区域（在黑色背景上）。
• 我们显示结果：

效果

在编译上面的代码之后，我们可以运行它作为参数给出图像的路径。 例如，使用以下图像作为输入：

移动滑块，尝试不同的阈值，我们得到以下结果：