Canny算法介绍
lCanny是边缘检测算法,在1986年提出的。
l是一个很好的边缘检测器
l很常用也很实用的图像处理方法
Canny算法介绍 – 五步 in cv::Canny
1.高斯模糊 - GaussianBlur
2.灰度转换 - cvtColor
3.计算梯度 – Sobel/Scharr
4.非最大信号抑制
5.高低阈值输出二值图像
Canny算法介绍 - 非最大信号抑制
Canny算法介绍-高低阈值输出二值图像
lT1, T2为阈值,凡是高于T2的都保留,凡是小于T1都丢弃,从高于T2的像素出发,凡是大于T1而且相互连接的,都保留。最终得到一个输出二值图像。
l推荐的高低阈值比值为 T2: T1 = 3:1/2:1其中T2为高阈值,T1为低阈值
API – cv::Canny
Canny(
InputArray src, // 8-bit的输入图像(八位灰度图像)
OutputArray edges,// 输出边缘图像, 一般都是二值图像,背景是黑色
double threshold1,// 低阈值,常取高阈值的1/2或者1/3
double threshold2,// 高阈值
int aptertureSize,// Soble算子的size,通常3x3,取值3
bool L2gradient // 选择 true表示是L2来归一化,否则用L1归一化
)
默认情况一般选择是L1,参数设置为false。
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
Mat src, dst, gray_src;
int t1_vlaue = 50;
int max_value = 255;
void Canny_Demo(int, void*);
const char* input_win = "input";
const char* out_put = "out_put";
int main(int agrc, char** agrv) {
src = imread("C:/Users/liyangxian/Desktop/bjl/nm3.jpg");
if (!src.data) {
printf("no load..\n");
return -1;
}
namedWindow(input_win, CV_WINDOW_AUTOSIZE);
namedWindow(out_put, CV_WINDOW_AUTOSIZE);
imshow(input_win, src);
GaussianBlur(src, dst, Size(3, 3), 0, 0);
createTrackbar("Threshold value:", out_put, &t1_vlaue, max_value, Canny_Demo);
Canny_Demo(0, 0);
waitKey(0);
return 0;
}
void Canny_Demo(int,void*) {
Mat edge_output;
GaussianBlur(src, dst, Size(3, 3), 0, 0);
Canny(dst,edge_output,t1_vlaue,t1_vlaue*2,3,false);
gray_src.create(src.size(), src.type());
src.copyTo(gray_src, edge_output);
imshow(out_put, gray_src);
}