opencv_canny边缘检测

【步骤】

1、滤波：减少噪声，主要使用高斯滤波

2、增强：增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来，在具体编程实现时，可通过计算梯度幅值来确定。

3、检测：经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是我们要找的边缘点，所以应该采用某种方法来对这些点进行取舍。通常用阈值

【cannny算子】

Canny 的目标是找到一个最优的边缘检测算法（低错误率、高定位性、最小时间响应）

步骤1、  Canny算法通常处理的图像为灰度图，首先将图像变为灰度图

步骤2、对图像进行高斯滤波，可以用两个一维高斯核分别两次加权实现，也可以通过一个二维高斯核一次卷积实现。

1）高斯核实现

       上式为离散化的一维高斯函数，确定参数就可以得到一维核向量。

        上式为离散化的二维高斯函数，确定参数就可以得到二维核向量。

步骤3：用一阶有限差分来计算梯度的幅值和方向，canny梯度算子：

    其x向、y向的一阶偏导数矩阵，梯度幅值以及梯度方向的数学表达式为：

 步骤4、对梯度幅值进行非极大值抑制

    通俗意义上是指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0

步骤5、用双阈值算法检测和连接边缘

   Canny算法中减少假边缘数量的方法是采用双阈值法。选择两个阈值，根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但是由于阈值较高，产生的图像边缘可能不闭合，未解决这样一个问题采用了另外一个低阈值。

【原型】

 

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

参数1：InputArray类型的image，输入图像，填Mat类的对象即可。
参数2：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。
参数3：double类型的threshold1，第一个滞后性阈值。
参数4：double类型的threshold2，第二个滞后性阈值。
参数5：int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。
参数6：bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

注：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。

【实例】

#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;

int main(int argc, char ** argv) {

	Mat srcImage = imread("D:\\study\\picture\\a.jpg");
	Mat dstImage, edge, grayImage;
	//创建与src大小、类型相同的矩阵 dst
	dstImage.create(srcImage.size(), srcImage.type());
	//将原图像转换为灰度图像
	cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);
	//使用3*3内核降噪
	blur(grayImage, edge, Size(3,3));
	//运行Canny算子
	Canny(edge, edge, 3, 9, 3);
	//显示效果图
	imshow("【原图】边缘检测", srcImage);
	imshow("【效果图】边缘检测", edge);
	waitKey(0);
	return 0;
}