Opencv和C++实现canny边缘检测

Canny边缘检测主要包括：

1. 图像的灰度化；

2. 图像的高斯滤波，来平滑图像，同时消除和降低图像噪声的影响；

3. 计算出每一个像素点位置的梯度（X方向梯度、Y方向梯度、已经该点的梯度幅值）和方向角度；Y方向和X方向梯度的比值，得出梯度方向，X梯度的平方和+Y梯度的平方和的值，再进行求平方得到该点的梯度幅值。（Sobel算子等）

4. 局部非极大值抑制处理；梯度方向垂直于边缘方向，在梯度方向上进行非极大值抑制可以细化边缘，在梯度方向上比较该点前后两个点的梯度的大小，如果大于两个点则保留，小于任意一个点则置为0。

5. 双阈值处理和连接处理；指定高低阈值，然后高阈值直接赋值为255，低阈值为0，中间的值进行连接处理。如果中间的值八邻域内有255，则该值也变为255，也就是说255往周围进行扩张，收集边缘加闭合边缘。

Canny算法思路参考下面的博客：
https://blog.csdn.net/dcrmg/article/details/52344902
https://www.cnblogs.com/love6tao/p/5152020.html

我在下面直接给出可以运行的C++代码（Opencv2.4.9）

#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

/*
生成高斯卷积核 kernel
*/
void Gaussian_kernel(int kernel_size, int sigma, Mat &kernel)
{
    const double PI = 3.1415926;
    int m = kernel_size / 2;

    kernel = Mat(kernel_size, kernel_size, CV_32FC1);
    float s = 2 * sigma*sigma;
    for (int i = 0; i < kernel_size; i++)
    {
        for (int j = 0; j < kernel_size; j++)
        {
            int x = i - m;
            int y = j - m;

            kernel.at<float>(i, j) = exp(-(x*x + y*y) / s) / (PI*s);
        }
    }
}

/*
计算梯度值和方向
imageSource 原始灰度图
imageX X方向梯度图像
imageY Y方向梯度图像
gradXY 该点的梯度幅值
pointDirection 梯度方向角度
*/
void GradDirection(const Mat imageSource, Mat &imageX, Mat &imageY,Mat &gradXY, Mat &theta)
{
    imageX = Mat::zeros(imageSource.size(), CV_32SC1);
    imageY = Mat::zeros(imageSource.size(), CV_32SC1);
    gradXY = Mat::zeros(imageSource.size(), CV_32SC1);
    theta = Mat::zeros(imageSource.size(), CV_32SC1);

    int rows = imageSource.rows;
    int cols = imageSource.cols;

    int stepXY = imageX.step;
    int step = imageSource.step;
    /*
    Mat.step参数指图像的一行实际占用的内存长度，
    因为opencv中的图像会对每行的长度自动补齐（8的倍数），
    编程时尽量使用指针，指针读写像素是速度最快的，使用at函数最慢。
    */
    uchar *PX = imageX.data;
    uchar *PY = imageY.data;
    uchar *P = imageSource.data;
    uchar *XY = gradXY.data;
    for (int i = 1; i < rows - 1; i++)
    {
        for (int j = 1