图像边缘检测

lanhaiyin_m

已于 2024-05-20 16:46:36 修改

阅读量263

点赞数 6

分类专栏： opencv 文章标签：算法计算机视觉人工智能

于 2024-05-20 16:42:16 首次发布

本文链接：https://blog.csdn.net/lanhaiyin_m/article/details/139063519

版权

opencv 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

图像梯度是计算图像变化速度的方法，对于图像边缘部分，灰度值如果变化幅度较大，则其对应梯度值也较大，反之，图像中比较平滑的部分，灰度值变化较小，相应的梯度值变化也小

Sobel算子

Sobel算子是高斯平滑与微分操作的结合体，所以它的抗噪声能力很好

CV_EXPORTS_W void Sobel( InputArray src, OutputArray dst, int ddepth,
                         int dx, int dy, int ksize = 3,
                         double scale = 1, double delta = 0,
                         int borderType = BORDER_DEFAULT );

dst表示边缘检测结果图像
src表示原图像
depth为目标图像的深度
dx为导数x的阶数
dy为导数y的阶数
ksize为扩展的Sobel内核大小, 必须为1、3、5或7
scale为计算导数的可选比例因子
delat为添加到边缘检测结果中的可选增量值
borderType为边界值类型

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



int main()
{
  
    Mat image = imread("./111.png", IMREAD_GRAYSCALE);
    //resize(image, image, Size(0, 0), 0.3, 0.3);
    imshow("原图", image);
    Mat sobel_x, sobel_x_abs;
    Mat sobel_y, sobel_y_abs;
    //对X方向求导
    Sobel(image, sobel_x, CV_64F, 1, 0);
    convertScaleAbs(sobel_x, sobel_x_abs);
    imshow("sobel_x_abs", sobel_x_abs);
    //对y方向求导
    Sobel(image, sobel_y, CV_64F, 0, 1);
    convertScaleAbs(sobel_y, sobel_y_abs);
    imshow("sobel_y_abs", sobel_y_abs);
    Mat sobel;
    addWeighted(sobel_x_abs, 0.5, sobel_y_abs, 0.5, 0, sobel);
    imshow("sobelabs", sobel);
    waitKey(0);
    destroyAllWindows();
    return 0;
}

Scharr算子

Scharr与Sobel算子类似

Laplacian算子

通过拉普拉斯卷积核与图像矩阵进行卷积运算

void demo_laplacian()
{
    Mat image = imread("./test4.jpg", IMREAD_GRAYSCALE);
    resize(image, image, Size(0, 0), 0.3, 0.3);
    imshow("原图", image);
    Mat dst,dst1;
    Laplacian(image, dst, CV_32F);
    convertScaleAbs(dst, dst1);
    imshow("dst", dst1);
   
}

Canny边缘检测

Canny边缘检测的步骤

(1) 使用高斯滤波除去图像噪声
(2) 使用Sobel核进行滤波，计算梯度
(3) 在边缘使用非最大值抑制
(4) 对检测出的边缘使用双阈值以去除假阳性
(5) 分析边缘之间的连续性，保留真正的边缘

CV_EXPORTS_W void Canny( InputArray image, OutputArray edges,
                         double threshold1, double threshold2,
                         int apertureSize = 3, bool L2gradient = false );


dst表示边缘检测结果图像
src表示原图像
threshold1为第1阈值
threshold2为第2阈值
apertureSize为计算梯度时使用的Sobel核大小
L2gradient为标志

int main()
{
    Mat image = imread("./test4.jpg", IMREAD_GRAYSCALE);
    resize(image, image, Size(0, 0), 0.3, 0.3);
    imshow("原图", image);
    Mat dst, dst1;
    Canny(image, dst, 80, 150);
    imshow("Canny", dst);
    waitKey(0);
    destroyAllWindows();
    return 0;
}