OpenCV3.0 Examples学习笔记（6）-edge.cpp_opencv边缘检测edge示例-CSDN博客

本文链接：https://blog.csdn.net/u012566751/article/details/54290317

这个系列的目的是通过对OpenCV示例，进一步了解OpenCV函数的使用，不涉及具体原理。

简介

Example运行截图

Example分析

Example代码

简介

本文记录了对OpenCV示例edge.cpp 的分析。

资料地址: http://docs.opencv.org/3.0.0/d3/d63/edge_8cpp-example.html

首先这个示例，主要讲述了使用 Canny函数获取图像边缘。

Canny算法原理

Canny 边缘检测算法是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法，也被很多人认为是边缘检测的最优算法 , 最优边缘检测的三个主要评价标准是:

低错误率: 标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报。
高定位性: 标识出的边缘要与图像中的实际边缘尽可能接近。
最小响应: 图像中的边缘只能标识一次。

Canny步骤

消除噪声。使用高斯平滑滤波器卷积降噪。下面显示了一个size = 5 的高斯内核示例:
计算梯度幅值和方向。此处，按照Sobel滤波器的步骤:
1. 运用一对卷积阵列 (分别作用于 x 和 y方向):
2. 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 0, 45, 90, 135)
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)。
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):
1. 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。
2. 如果某一像素位置的幅值小于低阈值, 该像素被排除。
3. 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。
Canny 推荐的高:低阈值比在 2:1 到3:1之间。

以上内容摘至参考资料5.《图像边缘检测--OpenCV之cvCanny函数》

Canny函数在OpenCV中的原型

Canny

函数原型：

void Canny( InputArray image, OutputArray edges,

double threshold1, double threshold2,

int apertureSize = 3, bool L2gradient = false );

参数说明：

image: 输入图像，需要8位图像。

edges: 输出边缘图像。

threshold1: 第一个滞后阈值。

threshold2: 第二个滞后阈值。

apertureSize: Sobel算子的孔径大学。

L2gradient : 计算图像梯度值的标识，一般使用默认值false。

PS: 参数threshold1和threshold2中使用小的一个进行边缘连接，大的用来控制强边缘的初始段，一般比例为2：1至3：1之间。

Example截图

原图	处理结果	参数
		threshold1 = 1 threshold2 = 3 apertureSize = 3 L2gradient =false

Example分析

示例主要步骤如下：

1.申明需要使用的变量：

int edgeThresh = 1;

Mat image, gray, edge, cedge;

PS：Canny函数由高低两个阈值，用户在本示例只设置低阈值edgeThresh，令高阈值为低阈值的3倍。

2.从命令行参数中加载图像：

CommandLineParser parser(argc, argv, keys);

string filename = parser.get<string>(0);

image = imread(filename, 1);

if(image.empty())

{

printf("Cannot read image file: %s\n", filename.c_str());

help();

return -1;

}

3.创建与原图相同尺寸样式的图像，用于绘制边缘检测结果：

cedge.create(image.size(), image.type());

4.灰度化

cvtColor(image, gray, COLOR_BGR2GRAY);

5创建预览窗口

namedWindow("Edge map", 1);

6.创建滑动条，用于用户交互，设置阈值

createTrackbar("Canny threshold", "Edge map", &edgeThresh, 100, onTrackbar);

PS：认为低阈值上限为100；

PS1： Trackbar变动改变edgeThresh，调用回调函数onTrackbar。

7.分析onTrackbar函数

7.1均值滤波，平滑图像

blur(gray, edge, Size(3,3));

7.2使用Canny寻找边缘

Canny(edge, edge, edgeThresh, edgeThresh*3, 3);

7.3将cedge 填充为黑色（0）

cedge = Scalar::all(0);

7.4将Canny函数结果（边缘检测结果）复制到cedge（背景为黑色）

image.copyTo(cedge, edge);

7.5显示图像

imshow("Edge map", cedge);

Example代码

#include "opencv2/core/utility.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"

#include <stdio.h>

using namespace cv;
using namespace std;

int edgeThresh = 1;
Mat image, gray, edge, cedge;

// define a trackbar callback
static void onTrackbar(int, void*)
{
    blur(gray, edge, Size(3,3));

    // Run the edge detector on grayscale
    Canny(edge, edge, edgeThresh, edgeThresh*3, 3);
    cedge = Scalar::all(0);

    image.copyTo(cedge, edge);
    imshow("Edge map", cedge);
}

static void help()
{
    printf("\nThis sample demonstrates Canny edge detection\n"
           "Call:\n"
           "    /.edge [image_name -- Default is ../data/fruits.jpg]\n\n");
}

const char* keys =
{
    "{@image |../data/fruits.jpg|input image name}"
};

int main( int argc, const char** argv )
{
    help();

    CommandLineParser parser(argc, argv, keys);
    string filename = parser.get<string>(0);

    image = imread(filename, 1);
    if(image.empty())
    {
        printf("Cannot read image file: %s\n", filename.c_str());
        help();
        return -1;
    }
    cedge.create(image.size(), image.type());
    cvtColor(image, gray, COLOR_BGR2GRAY);

    // Create a window
    namedWindow("Edge map", 1);

    // create a toolbar
    createTrackbar("Canny threshold", "Edge map", &edgeThresh, 100, onTrackbar);

    // Show the image
    onTrackbar(0, 0);

    // Wait for a key stroke; the same function arranges events processing
    waitKey(0);

    return 0;
}

参考资料:

1.《【opencv 一日一练】 api 之 blur 》

2.《【OpenCV入门指南】第三篇Canny边缘检测》

3.《【OpenCV】Canny 边缘检测》

4.《 Canny 边缘检测》

5.《

图像边缘检测--OpenCV之cvCanny函数》