OpenCV(iOS)的边缘检测和Canny算子

 边缘检测的一般步骤

（1）滤波

边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很是敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法是高斯滤波

（2）增强

增强边缘的基础是确定图像各点领域强度的变化值。增强算法可以将图像灰度点领域强度值有显著变化的点凸显出来，具体编码实现中，可以通过计算梯度的幅值来确定

（3）检测

讲过增强的图像，往往领域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是要找的边缘点，所以采用某种方法来对这些点进行取舍。实际工程中常用的方法是阈值化方法来检测。

Canny算子

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。

步骤：

Canny边缘检测：Canny()函数

void Canny( InputArray image,

                   OutputArray edges,

                   double threshold1,

                   double threshold2,

                   int apertureSize =3,

                  bool L2gradient =false);

原图

源码（1）直接使用Canny()：

NSString*image =@"456.png";

UIImage*image1 = [UIImageimageNamed:image];

Mat im;

UIImageToMat(image1, im);

if(im.empty()) {

return;

}

Mat src1 = im.clone();

//最简单的方法，拿过图来直接使用

Canny(src1,dst,150,100);

self.secondImageView.image=MatToUIImage(dst);

return;

效果

源码（2）

NSString*image =@"star.png";

UIImage*image1 = [UIImageimageNamed:image];

Mat im;

UIImageToMat(image1, im);

if(im.empty()) {

return;

}

Mat src1 = im.clone();

//高阶的使用方法

Mat edge,gray;

//创建与src同类型和大小的矩阵（dst）

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

//将原图转换为灰度图片

cvtColor(im, gray,COLOR_RGBA2GRAY);

//先使用3*3内核来降噪

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

//运用Canny算子

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

//将dst内的元素设置为0

dst=Scalar::all(0);

//使用Canny算子输出的边缘图作为掩码，将原图拷贝到目标图

src1.copyTo(dst, edge);

self.secondImageView.image=MatToUIImage(dst);

效果