opencv 梯度幅值_OpenCV学习：图像边缘检测

1.OpenCV中Canny函数详解

Canny函数利用Canny算法来进行图像的边缘检测。

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

第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。

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。

第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

需要注意的是，这个函数阈值1和阈值2两者的小者用于边缘连接，而大者用来控制强边缘的初始段，推荐的高低阈值比在2:1到3:1之间

dem:1：

demo2：

//-----------------------------------【头文件包含部分】---------------------------------------

// 描述：包含程序所依赖的头文件

//----------------------------------------------------------------------------------------------

#include

#include

#include

//-----------------------------------【命名空间声明部分】---------------------------------------

// 描述：包含程序所使用的命名空间

//-----------------------------------------------------------------------------------------------

using namespace cv;

//-----------------------------------【main( )函数】--------------------------------------------

// 描述：控制台应用程序的入口函数，我们的程序从这里开始

//-----------------------------------------------------------------------------------------------

int main( )

{

//载入原始图

Mat src = imread("1.jpg"); //工程目录下应该有一张名为1.jpg的素材图

Mat src1=src.clone();

//显示原始图

imshow("【原始图】Canny边缘检测", src);

//----------------------------------------------------------------------------------

// 一、最简单的canny用法，拿到原图后直接用。

//----------------------------------------------------------------------------------

Canny( src, src, 150, 100,3 );

imshow("【效果图】Canny边缘检测", src);

//----------------------------------------------------------------------------------

// 二、高阶的canny用法，转成灰度图，降噪，用canny，最后将得到的边缘作为掩码，拷贝原图到效果图上，得到彩色的边缘图

//----------------------------------------------------------------------------------

Mat dst,edge,gray;

// 【1】创建与src同类型和大小的矩阵(dst)

dst.create( src1.size(), src1.type() );

// 【2】将原图像转换为灰度图像

cvtColor( src1, gray, CV_BGR2GRAY );

// 【3】先用使用 3x3内核来降噪

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

// 【4】运行Canny算子

Canny( edge, edge, 3, 9,3 );

//【5】将g_dstImage内的所有元素设置为0

dst = Scalar::all(0);

//【6】使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中

src1.copyTo( dst, edge);

//【7】显示效果图

imshow("【效果图】Canny边缘检测2", dst);

waitKey(0);

return 0;

}

2. sobel算子相关理论与概念讲解

Sobel函数使用扩展的 Sobel 算子，来计算一阶、二阶、三阶或混合图像差分

C++: void Sobel (

InputArray src,//输入图

OutputArray dst,//输出图

int ddepth,//输出图像的深度

int dx,

int dy,

int ksize=3,

double scale=1,

double delta=0,

int borderType=BORDER_DEFAULT );

第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。

第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：

若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F

若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F

若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F

若src.depth() = CV_64F, 取ddepth = -1/CV_64F

第四个参数，int类型dx，x 方向上的差分阶数。

第五个参数，int类型dy，y方向上的差分阶数。

第六个参数，int类型ksize，有默认值3，表示Sobel核的大小;必须取1，3，5或7。

第七个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。

第八个参数，double类型的delta，表示在结果存入目标图(第二个参数dst)之前可选的delta值，有默认值0。

第九个参数， int类型的borderType，我们的老朋友了(万年是最后一个参数)，边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。

一般情况下，都是用ksize x ksize内核来计算导数的。然而，有一种特殊情况——当ksize为1时，往往会使用3 x 1或者1 x 3的内核。且这种情况下，并没有进行高斯平滑操作。

demo1：

调用Sobel函数的实例代码如下。这里只是教大家如何使用Sobel函数，就没有先用一句cvtColor将原图;转化为灰度图，而是直接用彩色图操作。

//-----------------------------------【头文件包含部分】---------------------------------------

// 描述：包含程序所依赖的头文件

//----------------------------------------------------------------------------------------------

#include

#include

#include

//-----------------------------------【命名空间声明部分】---------------------------------------

// 描述：包含程序所使用的命名空间

//-----------------------------------------------------------------------------------------------

using namespace cv;

//-----------------------------------【main( )函数】--------------------------------------------

// 描述：控制台应用程序的入口函数，我们的程序从这里开始

//-----------------------------------------------------------------------------------------------

int main( )

{

//【0】创建 grad_x 和 grad_y 矩阵

Mat grad_x, grad_y;

Mat abs_grad_x, abs_grad_y,dst;

//【1】载入原始图

Mat src = imread("1.jpg"); //工程目录下应该有一张名为1.jpg的素材图

//【2】显示原始图

imshow("【原始图】sobel边缘检测", src);

//【3】求 X方向梯度

Sobel( src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );

convertScaleAbs( grad_x, abs_grad_x );

imshow("【效果图】 X方向Sobel", abs_grad_x);

//【4】求Y方向梯度

Sobel( src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );

convertScaleAbs( grad_y, abs_grad_y );

imshow("【效果图】Y方向Sobel", abs_grad_y);

//【5】合并梯度(近似)

addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );

imshow("【效果图】整体方向Sobel", dst);

waitKey(0);

return 0;

}

3. Laplace算子相关理论与概念讲解

C++: void Laplacian(InputArray src,OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, intborderType=BORDER_DEFAULT );

第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和通道数。

第三个参数，int类型的ddept，目标图像的深度。

第四个参数，int类型的ksize，用于计算二阶导数的滤波器的孔径尺寸，大小必须为正奇数，且有默认值1。

第五个参数，double类型的scale，计算拉普拉斯值的时候可选的比例因子，有默认值1。

第六个参数，double类型的delta，表示在结果存入目标图(第二个参数dst)之前可选的delta值，有默认值0。

第七个参数， int类型的borderType，边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate()处得到更详细的信息。

Laplacian( )函数其实主要是利用sobel算子的运算。它通过加上sobel算子运算出的图像x方向和y方向上的导数，来得到我们载入图像的拉普拉斯变换结果。

demo1：

//-----------------------------------【头文件包含部分】---------------------------------------

// 描述：包含程序所依赖的头文件

//----------------------------------------------------------------------------------------------

#include

#include

#include

//-----------------------------------【命名空间声明部分】---------------------------------------

// 描述：包含程序所使用的命名空间

//-----------------------------------------------------------------------------------------------

using namespace cv;

//-----------------------------------【main( )函数】--------------------------------------------

// 描述：控制台应用程序的入口函数，我们的程序从这里开始

//-----------------------------------------------------------------------------------------------

int main( )

{

//【0】变量的定义

Mat src,src_gray,dst, abs_dst;

//【1】载入原始图

src = imread("1.jpg"); //工程目录下应该有一张名为1.jpg的素材图

//【2】显示原始图

imshow("【原始图】图像Laplace变换", src);

//【3】使用高斯滤波消除噪声

GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );

//【4】转换为灰度图

cvtColor( src, src_gray, CV_RGB2GRAY );

//【5】使用Laplace函数

Laplacian( src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT );

//【6】计算绝对值，并将结果转换成8位

convertScaleAbs( dst, abs_dst );

//【7】显示效果图

imshow( "【效果图】图像Laplace变换", abs_dst );

waitKey(0);

return 0;

}

4.综合代码汇总

//-----------------------------------【程序说明】----------------------------------------------

// 程序名称:：《【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑合辑》 博文配套源码

// 开发所用IDE版本：Visual Studio 2010

// 开发所用OpenCV版本： 2.4.9

// 2014年5月11日 Create by 浅墨

// 浅墨的微博：@浅墨_毛星云 http://weibo.com/1723155442/profile?topnav=1&wvr=5&user=1

// 浅墨的知乎：http://www.zhihu.com/people/mao-xing-yun

// 浅墨的豆瓣：http://www.douban.com/people/53426472/

//----------------------------------------------------------------------------------------------

//-----------------------------------【头文件包含部分】---------------------------------------

// 描述：包含程序所依赖的头文件

//----------------------------------------------------------------------------------------------

#include

#include

//-----------------------------------【命名空间声明部分】--------------------------------------

// 描述：包含程序所使用的命名空间

//-----------------------------------------------------------------------------------------------

using namespace cv;

//-----------------------------------【全局变量声明部分】--------------------------------------

// 描述：全局变量声明

//-----------------------------------------------------------------------------------------------

//原图，原图的灰度版，目标图

Mat g_srcImage, g_srcGrayImage,g_dstImage;

//Canny边缘检测相关变量

Mat g_cannyDetectedEdges;

int g_cannyLowThreshold=1;//TrackBar位置参数

//Sobel边缘检测相关变量

Mat g_sobelGradient_X, g_sobelGradient_Y;

Mat g_sobelAbsGradient_X, g_sobelAbsGradient_Y;

int g_sobelKernelSize=1;//TrackBar位置参数

//Scharr滤波器相关变量

Mat g_scharrGradient_X, g_scharrGradient_Y;

Mat g_scharrAbsGradient_X, g_scharrAbsGradient_Y;

//-----------------------------------【全局函数声明部分】--------------------------------------

// 描述：全局函数声明

//-----------------------------------------------------------------------------------------------

static void ShowHelpText( );

static void on_Canny(int, void*);//Canny边缘检测窗口滚动条的回调函数

static void on_Sobel(int, void*);//Sobel边缘检测窗口滚动条的回调函数

void Scharr( );//封装了Scharr边缘检测相关代码的函数

//-----------------------------------【main( )函数】--------------------------------------------

// 描述：控制台应用程序的入口函数，我们的程序从这里开始

//-----------------------------------------------------------------------------------------------

int main( int argc, char** argv )

{

//改变console字体颜色

system("color 2F");

//显示欢迎语

ShowHelpText();

//载入原图

g_srcImage = imread("1.jpg");

if( !g_srcImage.data ) { printf("Oh，no，读取srcImage错误~！ \n"); return false; }

//显示原始图

namedWindow("【原始图】");

imshow("【原始图】", g_srcImage);

// 创建与src同类型和大小的矩阵(dst)

g_dstImage.create( g_srcImage.size(), g_srcImage.type() );

// 将原图像转换为灰度图像

cvtColor( g_srcImage, g_srcGrayImage, CV_BGR2GRAY );

// 创建显示窗口

namedWindow( "【效果图】Canny边缘检测", CV_WINDOW_AUTOSIZE );

namedWindow( "【效果图】Sobel边缘检测", CV_WINDOW_AUTOSIZE );

// 创建trackbar

createTrackbar( "参数值：", "【效果图】Canny边缘检测", &g_cannyLowThreshold, 120, on_Canny );

createTrackbar( "参数值：", "【效果图】Sobel边缘检测", &g_sobelKernelSize, 3, on_Sobel );

// 调用回调函数

on_Canny(0, 0);

on_Sobel(0, 0);

//调用封装了Scharr边缘检测代码的函数

Scharr( );

//轮询获取按键信息，若按下Q，程序退出

while((char(waitKey(1)) != 'q')) {}

return 0;

}

//-----------------------------------【ShowHelpText( )函数】----------------------------------

// 描述：输出一些帮助信息

//----------------------------------------------------------------------------------------------

static void ShowHelpText()

{

//输出一些帮助信息

printf( "\n\n\t嗯。运行成功，请调整滚动条观察图像效果~\n\n"

"\t按下“q”键时，程序退出~!\n"

"\n\n\t\t\t\t by浅墨" );

}

//-----------------------------------【on_Canny( )函数】----------------------------------

// 描述：Canny边缘检测窗口滚动条的回调函数

//-----------------------------------------------------------------------------------------------

void on_Canny(int, void*)

{

// 先使用 3x3内核来降噪

blur( g_srcGrayImage, g_cannyDetectedEdges, Size(3,3) );

// 运行我们的Canny算子

Canny( g_cannyDetectedEdges, g_cannyDetectedEdges, g_cannyLowThreshold, g_cannyLowThreshold*3, 3 );

//先将g_dstImage内的所有元素设置为0

g_dstImage = Scalar::all(0);

//使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中

g_srcImage.copyTo( g_dstImage, g_cannyDetectedEdges);

//显示效果图

imshow( "【效果图】Canny边缘检测", g_dstImage );

}

//-----------------------------------【on_Sobel( )函数】----------------------------------

// 描述：Sobel边缘检测窗口滚动条的回调函数

//-----------------------------------------------------------------------------------------

void on_Sobel(int, void*)

{

// 求 X方向梯度

Sobel( g_srcImage, g_sobelGradient_X, CV_16S, 1, 0, (2*g_sobelKernelSize+1), 1, 1, BORDER_DEFAULT );

convertScaleAbs( g_sobelGradient_X, g_sobelAbsGradient_X );//计算绝对值，并将结果转换成8位

// 求Y方向梯度

Sobel( g_srcImage, g_sobelGradient_Y, CV_16S, 0, 1, (2*g_sobelKernelSize+1), 1, 1, BORDER_DEFAULT );

convertScaleAbs( g_sobelGradient_Y, g_sobelAbsGradient_Y );//计算绝对值，并将结果转换成8位

// 合并梯度

addWeighted( g_sobelAbsGradient_X, 0.5, g_sobelAbsGradient_Y, 0.5, 0, g_dstImage );

//显示效果图

imshow("【效果图】Sobel边缘检测", g_dstImage);

}

//-----------------------------------【Scharr( )函数】----------------------------------

// 描述：封装了Scharr边缘检测相关代码的函数

//-----------------------------------------------------------------------------------------

void Scharr( )

{

// 求 X方向梯度

Scharr( g_srcImage, g_scharrGradient_X, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT );

convertScaleAbs( g_scharrGradient_X, g_scharrAbsGradient_X );//计算绝对值，并将结果转换成8位

// 求Y方向梯度

Scharr( g_srcImage, g_scharrGradient_Y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT );

convertScaleAbs( g_scharrGradient_Y, g_scharrAbsGradient_Y );//计算绝对值，并将结果转换成8位

// 合并梯度

addWeighted( g_scharrAbsGradient_X, 0.5, g_scharrAbsGradient_Y, 0.5, 0, g_dstImage );

//显示效果图

imshow("【效果图】Scharr滤波器", g_dstImage);

}

参考：https://blog.csdn.net/poem_qianmo/article/details/25560901