OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器

Canny算法检测边缘步骤：

1.消除噪声。 一般情况下，使用高斯平滑滤波器卷积降噪。 如下显示了一个 size = 5 的高斯内核示例:

 

2.计算梯度幅值和方向。 此处，按照Sobel滤波器的步骤。

 

Ⅰ.运用一对卷积阵列 (分别作用于 x 和 y 方向):

 

Ⅱ.使用下列公式计算梯度幅值和方向:

 

梯度方向近似到四个可能角度之一(一般为0, 45, 90, 135)

 

3.非极大值抑制。 这一步排除非边缘像素， 仅仅保留了一些细线条(候选边缘)。

 

4.滞后阈值。最后一步，Canny 使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值):

 

Ⅰ.如果某一像素位置的幅值超过 高 阈值, 该像素被保留为边缘像素。

Ⅱ.如果某一像素位置的幅值小于 低 阈值, 该像素被排除。

Ⅲ.如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于 高 阈值的像素时被保留。

tips：对于Canny函数的使用，推荐的高低阈值比在2:1到3:1之间。

Canny函数：

C++: void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )

• 第三个参数，double类型的threshold1，第一个滞后性阈值。
• 第四个参数，double类型的threshold2，第二个滞后性阈值。
• 第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3

代码：

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


int main()
{
	Mat img;
	img=imread("C://Users//huashuo111//Desktop//橘子.jpg");
	namedWindow("原图",1);
	imshow("原图",img);
	
	Mat img1;//直接利用Canny算子
	Canny(img,img1,3,9,3);
	imshow("边缘",img1);

	Mat img2,gray,dst;
	dst.create(img.size(),img.type());
	dst=Scalar::all(0);
	img2=img.clone();
	cvtColor(img2,gray,CV_BGR2GRAY);//灰度图
	blur(gray,gray,Size(3,3));//均值模糊
	Canny(gray,gray,3,9,3);//Canny检测
	img2.copyTo(dst,gray);//Canny检测后边缘图做掩码，加到原图上，呈现彩色边缘
	imshow("边缘1",dst);
	imwrite("C://Users//huashuo111//Desktop//边缘.jpg",img1);
	imwrite("C://Users//huashuo111//Desktop//边缘1.jpg",dst);
	waitKey();
	return 0;
}

原图：

直接Canny检测：

图像增强后检测：