边缘检测--OpenCV11

边缘检测的各种算子和滤波器有  Canny算子，Sobel算子，Laplacian算子以及scharr滤波器。

最优边缘检测的三个主要评价标准

低错误率：标识出尽可能多的实际边缘，同时尽可能地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，并且可能存在的图像噪声不应标识为边缘

 

1.Canny算子

Canny的目标就是找到一个最优的边缘检测算法。Canny使用了变分法，这是一种寻找满足特定功能的函数的方法。最优检测用四个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。

Canny边缘检测的步骤

第一步 消除噪声 一般情况下，使用高斯平滑滤波器卷积降噪。

第二步 计算梯度幅值和方向 此处按照Sobel滤波器的步骤进行

第三步 非极大值抑制，这一步排除非边缘像素，仅仅保留一些细线条。

第四步 滞后阈值 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）

高于高阈值保留为边缘像素 低于低像素排除，在两阈值中间时，若连接到到阈值的像素保留。

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

 第三个参数是第一个滞后性阈值，第四个参数是第二个滞后性阈值  

一般来说，这个函数阈值1和阈值2两者中较小的值用于边缘连接，而较大的值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

第五个参数表示引用Sobel算子的孔径大小，其有默认值3 

第六个参数选择True用L2来归一化，否则用L1化 通常使用false

	Mat img11;
	img11 = Img1.clone();
	
        //转为灰度图像
	cvtColor(Img1, GrayImg, COLOR_BGR2GRAY);
	imshow("InputImg", GrayImg);
	//进行降噪
	blur(GrayImg, GrayImg, Size(3, 3));

	//运行Canny算子
	Canny(GrayImg, GrayImg, 10, 30);
        imshow("out Img", GrayImg);   //显示出来的就是边缘图像

	Mat dst = Mat::zeros(GrayImg.size(), GrayImg.type());

        // 将边缘图GrayImg做为掩膜，来将原图的Img11拷贝到dst中，此时可以输出彩色边缘
	img11.copyTo(dst, GrayImg);
	imshow("Colr Img", dst);

2.Sobel算子 

Sobel算子是一个主要用于边缘检测的离散微分算子。它结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。在图像的任何一点使用此算子，都将会产生对应的梯度矢量或是其法矢量。

CV_EXPORTS_W void Sobel( InputArray src, OutputArray dst, int ddepth,
                         int dx, int dy, int ksize = 3,
                         double scale = 1, double delta = 0,
                         int borderType = BORDER_DEFAULT );

	Sobel(GrayImg, Img_x, CV_16S, 1, 0, 3, 1, 0, BORDER_DEFAULT);
	convertScaleAbs(Img_x, Img_x); //计算绝对值 将结果转化为8位
	imshow("Input Img_x", Img_x);

	Sobel(GrayImg, Img_y, CV_16S, 0, 1, 3, 1, 0, BORDER_DEFAULT);
	convertScaleAbs(Img_y, Img_y); //计算绝对值 将结果转化为8位
	imshow("Input Img_y", Img_y);

	addWeighted(Img_x, 0.5, Img_y, 0.5, 0, Img_all);
	imshow("Input Img_all", Img_all);

 

3.laplacian算子

这是一个二阶微分算子，二阶导数可以用来进行边缘检测，因为图像是二维的，需要在两个方向进行求导。

使用laplacian算子将会使求导过程变得简单。

让一幅图像减去他的laplacion算子可以增强对比度

CV_EXPORTS_W void Laplacian( InputArray src, OutputArray dst, int ddepth,
                             int ksize = 1, double scale = 1, double delta = 0,
                             int borderType = BORDER_DEFAULT );
// Ksize代表滤波器孔径大小， scale代表计算拉普拉斯值的时候可选的比例因子，

	cvtColor(Img1, GrayImg, COLOR_BGR2GRAY);

	Mat LaplaceImg;
	Laplacian(GrayImg, LaplaceImg,CV_16S,3);
	//使用了CV_16S 就必须使用转化绝对值，将值限定在8位输出
	convertScaleAbs(LaplaceImg, LaplaceImg);

	imshow("laplace Img", LaplaceImg);

        

 4.scharr滤波器

一般直接称scharr为滤波器，而不是算子。他主要是配合Sobel算子的运算而存在的。

CV_EXPORTS_W void Scharr( InputArray src, OutputArray dst, int ddepth,
                          int dx, int dy, double scale = 1, double delta = 0,
                          int borderType = BORDER_DEFAULT );

它的参数变量和Sobel基本上是一样的，除了没有ksize核的大小。

	Mat Img_x, Img_y, Img_all;
	cvtColor(Img1, GrayImg, COLOR_BGR2GRAY);

	Scharr(GrayImg, Img_x, CV_16S, 1, 0);
	convertScaleAbs(Img_x, Img_x);
	imshow("img_x", Img_x);

	Scharr(GrayImg, Img_y, CV_16S, 0, 1);
	convertScaleAbs(Img_y, Img_y);
	imshow("img_y", Img_y);

	addWeighted(Img_x, 0.5, Img_y, 0.5,0,Img_all);
	imshow("img_all", Img_all);