在OpenCV中自适应确定canny算法的分割门限

本文介绍了如何在OpenCV中自适应地确定Canny算法的分割门限,避免手动输入高低阈值。针对全黑图像可能导致的问题,提出了修改后的代码方案,以防止段错误的发生。调用Canny算子检测边缘时,建议采用两步调用的方式。
摘要由CSDN通过智能技术生成

在OpenCV中用canny算子进行边缘检测速度很快,不过有点不爽的就是高低阈值需要输入。在OpenCV中自适应确定canny算法的分割门限 一文仿照matlab中的做法,对canny函数进行了修改,以便当用户没有指定高低阈值时,由函数自适应确定阈值。代码如下:

// 仿照matlab,自适应求高低两个门限
CV_IMPL void AdaptiveFindThreshold(CvMat *dx, CvMat *dy, double *low, double *high)
{
    CvSize size;
    IplImage *imge=0;
    int i,j;
    CvHistogram *hist;
    int hist_size = 255;
    float range_0[]={0,256};
    float* ranges[] = { range_0 };
    double  PercentOfPixelsNotEdges = 0.7;
    size = cvGetSize(dx);
    imge = cvCreateImage(size, IPL_DEPTH_32F, 1);
    // 计算边缘的强度, 并存于图像中
    float maxv = 0;
    for(i = 0; i < size.height; i++ )
    {
        const short* _dx = (short*)(dx->data.ptr + dx->step*i);
        const short* _dy = (short*)(dy->data.ptr + dy->step*i);
        float* _image = (float *)(imge->imageData + imge->widthStep*i);
        for(j = 0; j < size.width; j++)
        {
            _image[j] = (float)(abs(_dx[j]) + abs(_dy[j]));
            maxv = maxv < _image[j] ? _image[j]: maxv;
        }
    }
    
    // 计算直方图
    range_0[1] = maxv;
    hist_size = (int)(hist_size > maxv ? maxv:hist_size);
    hist = cvCreateHist(1, &hist_size, CV_HIST_ARRAY, ranges, 1);
    cvCalcHist( &imge, hist, 0, NULL );
    int total = (int)(size.height * size.width * PercentOfPixelsNotEdges);
    float sum=0;
    int icount = hist->mat
  • 8
    点赞
  • 72
    收藏
    觉得还不错? 一键收藏
  • 17
    评论
反向投影是一种常用的计算图像像素值与颜色直方图之间的关系的方法。自适应阈值算法可以帮助我们更好地提高反向投影的准确性,下面是使用OpenCV库实现的自适应阈值算法来提高反向投影的步骤: 1. 加载图像并转换为HSV颜色空间。 ```cpp Mat img = imread("image.jpg"); Mat hsv; cvtColor(img, hsv, COLOR_BGR2HSV); ``` 2. 创建一个3通道的全零图像,用于计算反向投影。 ```cpp Mat dst = Mat::zeros(img.size(), CV_8UC3); ``` 3. 定义直方图的参数,包括色调、饱和度和亮度的范围。 ```cpp int hbins = 30, sbins = 32; int histSize[] = { hbins, sbins }; float hranges[] = { 0, 180 }; float sranges[] = { 0, 256 }; const float* ranges[] = { hranges, sranges }; int channels[] = { 0, 1 }; ``` 4. 计算原始图像的直方图。 ```cpp MatND hist; calcHist(&hsv, 1, channels, Mat(), hist, 2, histSize, ranges, true, false); ``` 5. 归一化直方图。 ```cpp normalize(hist, hist, 0, 255, NORM_MINMAX, -1, Mat()); ``` 6. 使用calcBackProject函数计算反向投影。 ```cpp MatND backproj; calcBackProject(&hsv, 1, channels, hist, backproj, ranges, 1, true); ``` 7. 使用自适应阈值算法处理反向投影,得到二值化图像。 ```cpp adaptiveThreshold(backproj, backproj, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 11, 2); ``` 8. 将二值化图像与原始图像进行按位与运算,得到最终的结果。 ```cpp bitwise_and(img, backproj, dst); ``` 完整的代码如下: ```cpp #include <opencv2/opencv.hpp> using namespace cv; using namespace std; int main() { Mat img = imread("image.jpg"); Mat hsv; cvtColor(img, hsv, COLOR_BGR2HSV); Mat dst = Mat::zeros(img.size(), CV_8UC3); int hbins = 30, sbins = 32; int histSize[] = { hbins, sbins }; float hranges[] = { 0, 180 }; float sranges[] = { 0, 256 }; const float* ranges[] = { hranges, sranges }; int channels[] = { 0, 1 }; MatND hist; calcHist(&hsv, 1, channels, Mat(), hist, 2, histSize, ranges, true, false); normalize(hist, hist, 0, 255, NORM_MINMAX, -1, Mat()); MatND backproj; calcBackProject(&hsv, 1, channels, hist, backproj, ranges, 1, true); adaptiveThreshold(backproj, backproj, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 11, 2); bitwise_and(img, backproj, dst); imshow("Result", dst); waitKey(); return 0; } ``` 运行该程序,可以得到提高反向投影准确性的结果。
评论 17
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值