OpenCV学习笔记(十二):边缘检测:Canny(),Sobel(),Laplace(),Scharr滤波器
1)滤波:边缘检测的算法主要是基于图像强度的一阶和二阶导数,但导数通常对噪声很敏感,因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波,即采用离散化的高斯函数产生一组归一化的高斯核,然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。
2)增强:增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时,可通过计算梯度幅值来确定。
3)检测:经过增强的图像,往往邻域中有很多点的梯度值比较大,而在特定的应用中,这些点并不是我们要找的边缘点,所以应该采用某种方法来对这些点进行取舍。实际工程中,常用的方法是通过阈值化方法来检测。
1、Canny()算子:
Canny边缘检测算子是一个多级边缘检测算法
C++: void Canny(InputArray image, //输入图像,即源图像
OutputArray edges, // 输出的边缘图
double threshold1, // 第一个滞后性阈值
double threshold2, // 第二个滞后性阈值
// 这个函数阈值1和阈值2两者的小者用于边缘连接,而大者用来控制强边缘的初始段,推荐的高低阈值比在2:1到3:1之间。
int apertureSize=3, // 表示应用Sobel算子的孔径大小
bool L2gradient=false // 一个计算图像梯度幅值的标识
)
2、Sobel()算子:
Sobel 算子是一个主要用作边缘检测的离散微分算子 (discrete differentiation operator)。它Sobel算子结合了高斯平滑和微分求导,用来计算图像灰度函数的近似梯度。在图像的任何一点使用此算子,将会产生对应的梯度矢量或是其法矢量。
void Sobel (
InputArray src, // 输入图
OutputArray dst, // 输出图
int ddepth, // 输出图像的深度
// 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
// 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
// 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
// 若src.depth() = CV_64F, 取ddepth = -1/CV_64F
int dx, // x 方向上的差分阶数
int dy, // y 方向上的差分阶数
int ksize=3, // 表示Sobel核的大小;必须取1,3,5或7
double scale=1, // 计算导数值时可选的缩放因子
double delta=0, // 表示在结果存入目标图之前可选的delta值
int borderType=BORDER_DEFAULT // 边界模式
);
3、Laplace()算子:
Laplacian 算子是n维欧几里德空间中的一个二阶微分算子,定义为梯度grad()的散度div()。Laplacian( )函数其实主要是利用sobel算子的运算。它通过加上sobel算子运算出的图像x方向和y方向上的导数,来得到我们载入图像的拉普拉斯变换结果。
void Laplacian(InputArray src, // 源图像
OutputArray dst, // 输出的边缘图
int ddepth, // 输出图像的深度
int ksize=1, // 用于计算二阶导数的滤波器的孔径尺寸
double scale=1, // 计算拉普拉斯值的时候可选的比例因子
double delta