Opencv之边缘检测(一)

OpenCV三种边缘检测简介

一般步骤

1. 滤波，以除去噪声
2. 增强，将领域内有显著变化的像素点凸显
3. 检测，从可疑边缘点中舍去非边缘点，一般用threshold进行处理

Canny算子

步骤

1. 采用size=5的高斯内核进行卷积降噪
   $K=$$\frac{1}{139}$$\left( \begin{array}{ccc} 2 & 4 & 5 & 4 & 2 \\ 4 & 9 & 12 & 9 & 4 \\ 5 & 12 & 15 & 12 & 5 \\ 4 & 9 & 12 & 9 & 4\\ 2 & 4 & 5 & 4 & 2\end{array} \right)$
2. 计算梯度幅值和方向——此处采用sobel算法
3. 非极大值抑制，排除非边缘像素
4. 滞后阀值
   
   • 若幅值->(low, high)，当且仅当连接到一个高于high阀值的像素时被保留
   • 若幅值>high阀值，保留
   • 若幅值

应用代码

canny(src, dst, low, high, 3);

Sobel算子

水平方向求导:

$K= \left( \begin{array}{ccc} -1 & 0 & +1 \\ -2 & 0 & +2 \\ -1 & 0 & +1\end{array} \right) * I$

 sobel(src, grad_x, CV_16S, 1, 0, 3, scale=1, delta=1, BORDER_DEFAULT);
 convertScaleAbs(grad_x, abs_grad_x);

垂直方向求导:

$K= \left( \begin{array}{ccc} -1 & 0 & +1 \\ -2 & 0 & +2 \\ -1 & 0 & +1\end{array} \right) * I$

sobel(src, grad_x, CV_16S, 0, 1, 3, scale=1, delta=1, BORDER_DEFAULT);
convertScaleAbs(grad_y, abs_grad_y);

合并梯度

addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);

Laplacian算子

Laplacian(src, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT);

Scharr 滤波器

当内核大小为 3 时, 以上Sobel内核可能产生比较明显的误差(毕竟，Sobel算子只是求取了导数的近似值)。 为解决这一问题，OpenCV提供了 Scharr 函数，但该函数仅作用于大小为3的内核。该函数的运算与Sobel函数一样快，但结果却更加精确。
以下两句代码等价，由于两者参数几乎一致（除了Scharr舍去了ksize，因为默认为3，且不可修改）

Scharr(src, dst, CV_16S, dx, dy, scale=1, delta=1, BORDER_DEFAULT);

Sobel(src, dst, CV_16S, dx, dy, CV_SCHARR, scale=1, delta=1, BORDER_DEFAULT);

示例代码：

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>

using namespace cv;

/** @function main */
int main( int argc, char** argv )
{

  Mat src, src_gray;
  Mat grad;
  char* window_name = "Sobel Demo - Simple Edge Detector";
  int scale = 1;
  int delta = 0;
  int ddepth = CV_16S;

  int c;

  /// 装载图像
  src = imread( argv[1] );

  if( !src.data )
  { return -1; }

  GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );

  /// 转换为灰度图
  cvtColor( src, src_gray, CV_RGB2GRAY );

  /// 创建显示窗口
  namedWindow( window_name, CV_WINDOW_AUTOSIZE );

  /// 创建 grad_x 和 grad_y 矩阵
  Mat grad_x, grad_y;
  Mat abs_grad_x, abs_grad_y;

  /// 求 X方向梯度
  //Scharr( src_gray, grad_x, ddepth, 1, 0, scale, delta, BORDER_DEFAULT );
  Sobel( src_gray, grad_x, ddepth, 1, 0, 3, scale, delta, BORDER_DEFAULT );
  convertScaleAbs( grad_x, abs_grad_x );

  /// 求Y方向梯度
  //Scharr( src_gray, grad_y, ddepth, 0, 1, scale, delta, BORDER_DEFAULT );
  Sobel( src_gray, grad_y, ddepth, 0, 1, 3, scale, delta, BORDER_DEFAULT );
  convertScaleAbs( grad_y, abs_grad_y );

  /// 合并梯度(近似)
  addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad );

  imshow( window_name, grad );

  waitKey(0);

  return 0;
}