opencv-边缘检测

// ConsoleApplication3_6_23.cpp : Defines the entry point for the console application.
//

#include "stdafx.h"
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;

Mat src,dst,gray;
int pro_type = 0;
char* windowName = "demo";
char* windowName1 = "demo_pro";
void Image_pro(int,void*);
int _tmain(int argc, _TCHAR* argv[])
{
	src = imread("test.png");
	if(!src.data)
		return -1;

	namedWindow(windowName,CV_WINDOW_AUTOSIZE);
	imshow(windowName,src);

	GaussianBlur(src,src,Size(3,3),0,0,BORDER_DEFAULT);
	cvtColor(src,gray,CV_RGB2GRAY);

	namedWindow(windowName1,CV_WINDOW_AUTOSIZE);
	createTrackbar("Type : 0-sobel 1-laplace 2-canny /n",
		windowName1,&pro_type,2,Image_pro);
	Image_pro(0,0);
	waitKey(0);
	return 0;
}
void Image_pro(int,void*){

	Mat grd_x,grd_y;
	Mat abs_grd_x,abs_grd_y;
	Mat la_dst;
	switch (pro_type)
	{
	case 0 :
		Sobel(gray,grd_x,CV_16S,1,0,3,1,0,BORDER_DEFAULT);
		convertScaleAbs(grd_x,abs_grd_x);
		Sobel(gray,grd_y,CV_16S,0,1,3,1,0,BORDER_DEFAULT);
		convertScaleAbs(grd_y,abs_grd_y);
		addWeighted(abs_grd_x,0.5,abs_grd_y,0.5,0,dst);
		break;
	case 1:
		Laplacian(gray,la_dst,CV_16S,3,1,0,BORDER_DEFAULT);
		convertScaleAbs(la_dst,dst);
		break;
	case 2:
		Canny(gray,dst,20,50 * 3,3);
		break;
	default:
		break;
	}
	imshow(windowName1,dst);
}

效果：

1、

Sobel( src_gray, grad_y, ddepth, 0, 1, 3, scale, delta, BORDER_DEFAULT );

该函数接受了以下参数:

• src_gray: 在本例中为输入图像，元素类型 CV_8U
• grad_x/grad_y: 输出图像.
• ddepth: 输出图像的深度，设定为 CV_16S 避免外溢。
• x_order: x 方向求导的阶数。
• y_order: y 方向求导的阶数。
• scale, delta 和 BORDER_DEFAULT: 使用默认值
• 
  

2、

Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );

函数接受了以下参数:

• src_gray: 输入图像。
• dst: 输出图像
• ddepth: 输出图像的深度。 因为输入图像的深度是 CV_8U ，这里我们必须定义 ddepth = CV_16S 以避免外溢。
• kernel_size: 内部调用的 Sobel算子的内核大小，此例中设置为3。
• scale, delta 和 BORDER_DEFAULT: 使用默认值。
• 
  

Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );

输入参数:

• detected_edges: 原灰度图像
• detected_edges: 输出图像 (支持原地计算，可为输入图像)
• lowThreshold: 用户通过 trackbar设定的值。
• highThreshold: 设定为低阈值的3倍 (根据Canny算法的推荐)
• kernel_size: 设定为 3 (Sobel内核大小，内部使用)

sobel函数

void sobel(Mat* src,Mat* dst){
	if(src->channels() != 1)
	{
		cout<<"please input gray_image"<<endl;
		return;
	}

	Mat grd_x = Mat::zeros(src->size(),src->type());
	Mat grd_y = Mat::zeros(src->size(),src->type());


	for (int i = 1;i < src->rows-1;++i)
	{
		const uchar* pre = src->ptr<uchar>(i-1);
		const uchar* cur = src->ptr<uchar>(i);
		const uchar* nex = src->ptr<uchar>(i+1);
		uchar* px = grd_x.ptr<uchar>(i);
		uchar* py = grd_y.ptr<uchar>(i);
		for (int j = 1;j < src->cols-1;++j)
		{
			/*
			-1 0 1   -2 0 2  -1 0 1			
			*/
			*px++ = saturate_cast<uchar>(-1 * pre[j-1] + 0 * pre[j] + 1 * pre[j+1] 
										 -2 * cur[j-1] + 0 * cur[j] + 2 * cur[j+1]
										 -1 * nex[j-1] + 0 * nex[j] + 1 * nex[j+1]);

			*py++ = saturate_cast<uchar>(-1 * pre[j-1] -2 * pre[j] -1 * pre[j+1] +
										  0 * cur[j-1] + 0 * cur[j] + 0 * cur[j+1] +
										  1 * nex[j-1] + 2 * nex[j] + 1 * nex[j+1]); 
		}
	}

	Mat abs_grdx,abs_grdy;
	convertScaleAbs(grd_x,abs_grdx);
	convertScaleAbs(grd_y,abs_grdy);

	addWeighted(abs_grdx,0.5,abs_grdy,0.5,0,*dst);
}