opencv边缘检测

边缘检测的一般步骤

1. 滤波

边缘检测的算法对噪声很敏感，所以采用滤波器来改善边缘检测器的性能。

1. 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。

1. 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。

Canny算子API函数

void Canny( InputArray image, OutputArray edges,double threshold1,                       

            double threshold2,int apertureSize = 3, bool L2gradient = false );

//InputArray image：输入图像，需要为8bit单通道图像。

//OutputArray edges：输出图像，为相同大小8bit图像。

//threshold1：低阈值。

//threshold2：高阈值。

//apertureSize：sobel算子大小。

//L2gradient：是否用L2计算梯度的方法：sqrt{(dI/dx)^2 + (dI/dy)^2}，否则用L1：|dI/dx|+|dI/dy|。

注意：对于Canny函数的使用，推荐的高低阈值比在2:1到3:1之间。

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

//全局变量
Mat dst, dst1, dst2;
Mat gray, edge;
//载入原图
Mat src = imread("12.bmp", 1);

void print()
{
	cout << "键盘按键【1】：进行复杂canny算子" << endl;
	cout << "键盘按键【2】：进行简单canny算子" << endl;
	cout << "键盘按键【Esc】：退出程序" << endl;
	cout << "————————————————————————————————————————" << endl;
}

int main()
{
	print();
	//改变console(控制台)字体颜色  
	system("color 0B");

	//判断图片是否读入
	if (!src.data)
	{
		printf("读取图片image0错误~！ \n");
		return false;
	}

	//循环轮询按键
	while (1)
	{
		//先显示原图
		namedWindow("原图");
		imshow("原图", src);

		//获取键盘按键
		int c = waitKey(0);
		//判断ESC是否按下，若按下便退出
		if ((c & 255) == 27)
		{
			cout << "程序退出！\n";
			break;
		}

		//根据按键的不同，进行各种操作
		switch ((char)c)
		{
		case '1':
			//高阶canny算子用法，转换为灰度图，降噪，使用canny算子，将最后
			//得到的边缘作为掩膜，拷贝到原图上，得到彩色边缘图
			cout << "您正在进行复杂canny算子操作" << endl;
			cvtColor(src,gray,COLOR_BGR2GRAY);
			blur(gray, edge, Size(3, 3));
			Canny(edge, edge,150,100,3);
			src.copyTo(dst, edge);
			imshow("灰度图", gray);
			imshow("边缘图", edge);
			imshow("canny图1", dst);
			break;

		case '2':
			cout << "您正在进行简单canny算子操作" << endl;
			Canny(src, dst1, 150, 100, 3);
			imshow("canny图2", dst1);
			break;
		}
	}
	return 0;
}

 

Sobel算子API函数

cv::Sobel(

InputArray Src,  //输入图像

OutputArray dst,  //输出图像，大小与输入图像一致

int depth,      //输出图像深度

int dx,        //x方向，几阶导数

int dy,        //y方向，几阶导数

int ksize,      //Sobel算子的kernel大小，必须是1,3,5,7

double scale=1,

double delta=0,

int borderType =BORDER_DEFAULT

)

最终的图像梯度：G=√Gx2+Gy2
为了加快计算速度，将图像梯度的计算方法简化为：G=|Gx|+|Gy|

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

int main()
{
	cout << "请按下任意键" << endl;
	Mat x,y,dst;
	Mat abs_x,abs_y;

	//载入原图
	Mat src = imread("12.bmp", 1);
	//改变console(控制台)字体颜色  
	system("color 0B");

	//判断图片是否读入
	if (!src.data)
	{
		printf("读取图片image0错误~！ \n");
		return false;
	}

	//循环轮询按键
	while (1)
	{
		//先显示原图
		namedWindow("原图");
		imshow("原图", src);

		//获取键盘按键
		int c = waitKey(0);
		//判断ESC是否按下，若按下便退出
		if ((c & 255) == 27)
		{
			cout << "程序退出！\n";
			break;
		}
		cvtColor(src, src, COLOR_BGR2GRAY);
		//滤波
		GaussianBlur(src, src, Size(3, 3), 0, 0);

		//求x方向梯度
		Sobel(src, x, CV_16S, 1, 0, 5, 1, 1);
		//计算绝对值，并将结果转换为8位
		convertScaleAbs(x, abs_x);
		imshow("x方向sobel", abs_x);

		//求y方向梯度
		Sobel(src,y, CV_16S, 0,1, 5, 1, 1);
		//计算绝对值，并将结果转换为8位
		convertScaleAbs(y, abs_y);
		imshow("y方向sobel", abs_y);

		//合并梯度（近似）
		addWeighted(abs_x, 0.5, abs_y, 0.5, 0, dst);
		imshow("整体方向sobel", dst);
	}
	return 0;
}

 Laplacian算子API函数

void Laplacian( InputArray src,

OutputArray dst,

int ddepth,

                int ksize = 1,

                double scale = 1,

                double delta = 0,

                int borderType = BORDER_DEFAULT );

其中ddepth一般设为-1表示输入输出图像类型一致。ksize必须为奇数，默认为1，表示是四领域算子，大于1则是八领域算子。

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

int main()
{
	cout << "请按下任意键" << endl;
	Mat dst,abs_dst;

	//载入原图
	Mat src = imread("12.bmp", 1);
	//改变console(控制台)字体颜色  
	system("color 0B");

	//判断图片是否读入
	if (!src.data)
	{
		printf("读取图片image0错误~！ \n");
		return false;
	}

	//循环轮询按键
	while (1)
	{
		//先显示原图
		namedWindow("原图");
		imshow("原图", src);

		//获取键盘按键
		int c = waitKey(0);
		//判断ESC是否按下，若按下便退出
		if ((c & 255) == 27)
		{
			cout << "程序退出！\n";
			break;
		}
		cvtColor(src, src, COLOR_BGR2GRAY);
		//滤波
		GaussianBlur(src, src, Size(3, 3), 0, 0);

		//求x方向梯度
		Laplacian(src, dst, CV_16S, 3,1, 0);
		//计算绝对值，并将结果转换为8位
		convertScaleAbs(dst, abs_dst);
		imshow("Laplacian", abs_dst);
	}
	return 0;
}

 Scharr算子API函数

Scarry是sobel算子的特殊改进情况。当内核大小为3时，Sobel内核可能产生比较明显的误差，为了解决这一问题，Opencv提供了Scharr函数，但该函数仅作用于大小为3的内核，运行速度与Sobel函数一样，但结果却更加精确。

void Scharr(InputArray src, OutputArray dst,int ddepth ,int dx, int dy,double scale = 1,double delta = 0,int borderType=BORDER_DEFAULT)

InputArray src:输入图像。

OutputArray dst:输出图像。

int ddepth:输出图像深度。

int dx:x方向上的差分阶数。

int dy:y方向上的差分阶数。

double scale :计算导数值时可选的缩放因子，默认值1，表示默认情况下没用应用缩放。

double delta:表示在结果存入输出图像之前可选的delta值，默认值0。

int borderType:边界模式。

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

int main()
{
	cout << "请按下任意键" << endl;
	Mat x, y, dst;
	Mat abs_x, abs_y;

	//载入原图
	Mat src = imread("12.bmp", 1);
	//改变console(控制台)字体颜色  
	system("color 0B");

	//判断图片是否读入
	if (!src.data)
	{
		printf("读取图片image0错误~！ \n");
		return false;
	}

	//循环轮询按键
	while (1)
	{
		//先显示原图
		namedWindow("原图");
		imshow("原图", src);

		//获取键盘按键
		int c = waitKey(0);
		//判断ESC是否按下，若按下便退出
		if ((c & 255) == 27)
		{
			cout << "程序退出！\n";
			break;
		}
		cvtColor(src, src, COLOR_BGR2GRAY);
		//滤波
		GaussianBlur(src, src, Size(3, 3), 0, 0);

		//求x方向梯度
		Scharr(src, x, CV_16S, 1, 0, 3, 1, 1);
		//计算绝对值，并将结果转换为8位
		convertScaleAbs(x, abs_x);
		imshow("x方向Scharr", abs_x);

		//求y方向梯度
		Scharr(src, y, CV_16S, 0, 1, 3, 1, 1);
		//计算绝对值，并将结果转换为8位
		convertScaleAbs(y, abs_y);
		imshow("y方向Scharr", abs_y);

		//合并梯度（近似）
		addWeighted(abs_x, 0.5, abs_y, 0.5, 0, dst);
		imshow("整体方向Scharr", dst);
	}
	return 0;
}