QT+opencv学习笔记（4）——边缘检测、轮廓提取及轮廓跟踪

本文链接：https://blog.csdn.net/minghui_/article/details/80501436

本文介绍了在win10环境下，使用QT5.8和OpenCV3.2进行图像处理，包括图像的边缘检测（Canny、Sobel、Laplacian算子）、轮廓提取和轮廓跟踪的详细步骤与代码实现，展示了各种方法的处理结果。

摘要由CSDN通过智能技术生成

开发环境为：win10+QT5.8+opencv3.2

数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础，图像分析和理解的第一步往往就是边缘检测。轮廓跟踪是获取图像的外部轮廓特征，为图像的形状分析做准备。本文主要实现图像边缘检测、轮廓提取、轮廓跟踪。

一、读取图像

读取图像见QT+opencv学习笔记（1）——图像点运算，这里不再赘述。

读取结果如下图：

二、边缘检测

边缘是指图像局部强度变化最显著的部分。边缘主要存在与目标与目标、目标与背景、区域与区域之间。图像强度的不连续性可分为：阶跃不连续，即图像强度在不连续处的两边的像素灰度值有显著的差异；线条不连续，即图像强度从一个值变化到另一个值，保持一较小行程后又回到原来的值。

边缘检测算子检查每个像素的邻域并对灰度变换率进行量化，也包括方向的确定。大多数使用基于方向倒数掩模求卷积的方法。

下面介绍几种常用的边缘检测算子。

Canny算子

Canny算子运用比较广泛。是在Sobel算子的基础上改进的。

Canny算子的步骤是：

1.先进行滤波降噪。

2.计算梯度幅值和方向（进行Sobel算子计算）。

3.非极大值抑制。

4.滞后阈值。

Canny边缘检测可通过Canny()函数来实现。Canny()函数的定义如下：

//推荐高低阈值比例介于2:1与3：1之间
void Canny(InputArray image,     //8位单通道输入图像
           OutputArray edges,    //输出图像，和输入图像的尺寸类型一致
           double threshold1,    //滞后阈值低阈值（用于边缘连接）
           double threshold2,    //滞后阈值高阈值（控制边缘初始段）
           int apertureSize=3,   //表示Sobel算子孔径大小，默认为3
           bool L2gradient=false //计算图像梯度幅值的标识
        );

Canny边缘检测主要代码如下：

//Canny边缘检测
Canny(grayImg, edgeImg, 30, 80);

Canny边缘检测处理结果如下：