初学OpenCV学习记录(六)

以下内容摘自《OpenCV2计算机视觉编程手册》

引言

本章主要介绍了一种更优秀的检测轮廓的方法：Canny算子，如何使用霍夫变换检测直线、圆等形状，直线拟合，提取轮廓，计算连通区域形状描述符。

使用Canny算子检测轮廓

在前面我们已经使用过很多种方法检测图像的轮廓，前面的算法最后生成的二值轮廓图主要的问题在于二值化的过程中，如果阈值选的过低，则会检测出很多不重要的边缘，并且检测到的轮廓也过宽，不利于精确定位物体，如果阈值过高，则有可能忽略重要的边缘，使用Canny算法即可以很好的解决这个问题。
基本原理：算法基于Sobel算子，使用两个阈值，一个低阈值和一个高阈值对边缘进行筛选，低阈值的大小要能够识别出那些明显是图像轮廓的像素，高阈值要保证能够识别出我们需要的、重要的轮廓，并且排出异常值，算法会分别使用两个阈值生成两幅图片，然后，将两幅图片生成一幅最优的轮廓图，只要指定合适的阈值，那么就能够生成高质量的轮廓。
用法：

cv::Mat contours;
cv::Canny(image,contours,125,350);

正常情况下，输出的图片中轮廓是用非零像素表示的，为了方便显示我们将其翻转黑白值代码如下：

cv::Mat contoursInv;
cv::threshod(contours,contoursInv,128,255,cv::THRESH_BINARY_INV);

使用霍夫变换检测直线

使用Canny算法得到图像的轮廓以后，如果我们想检测轮廓中的直线就可以使用这种方法。
基本原理：
对于一个图像来说，以左上角为原点，图像中的直线可以定义为下式：
ρ = x c o s θ + y s i n θ \rho=xcos\theta+ysin\theta