opencv学习笔记（三） 边缘检测

Canny 算子

    cv::Mat src = cv::imread("1.jpg");
    if (!src.data)
    {
        cout << "error" << endl;
        return -1;
    }
    cv::Mat gray, dst;
    //转换为灰度图像
    cv::cvtColor(src, gray, CV_BGR2GRAY);
    //使用3*3内核来降噪
    cv::blur(gray, gray, cv::Size(3, 3));
    //使用Canny算子，
    cv::Canny(gray,//输入图像
              dst, //输出图像
              40, //滞后性低阙值
              120, //滞后性高阙值，推荐的高低阙值为2:1至3:1之间
              3);//应用Sobel算子的孔径大小
    cv::imshow("原图", src);
    cv::imshow("Canny 效果图",dst);
    cv::waitKey(0);

Sobel算子

    cv::Mat src = cv::imread("1.jpg");
    if (!src.data)
    {
        cout << "error" << endl;
        return -1;
    }
    cv::Mat grad_x,grad_y;
    cv::Mat abs_grad_x, abs_grad_y;
    cv::Mat dst;
    //求x方向的梯度
    cv::Sobel(src,//输入图像
              grad_x,//输出图像
              CV_16S,//输出图像的深度，由输入图像的深度来决定
              1, //x方向上的差分阶数
              0, //y方向上的差分阶数
              3, //Sobel的核大小，必须取1,3,5,7
              1); //图像缩放因子
    cv::convertScaleAbs(grad_x, abs_grad_x);
    //求y方向的梯度
    cv::Sobel(src, grad_y, CV_16S, 1, 0, 3, 1);
    cv::convertScaleAbs(grad_y, abs_grad_y);
    //合并梯度
    cv::addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
    cv::imshow("原图", src);
    cv::imshow("Sobel 效果图",dst);
    cv::waitKey(0);

Laplacian算子

让原图减去它的Laplacian算子可以增强对比度

    cv::Mat src = cv::imread("1.jpg");
    if (!src.data)
    {
        cout << "error" << endl;
        return -1;
    }

    cv::Mat gray,dst,abs_dst;
    //高斯滤波
    cv::GaussianBlur(src, src, cv::Size(3, 3),0,0);
    //转换为灰度图
    cv::cvtColor(src, gray, CV_BGR2GRAY);
    //使用Laplace函数
    cv::Laplacian(gray,//输入图像，要为单通道8位图像
                  dst, //输出图像
                  CV_16S, //输出图像的深度
                  3, //计算二阶导数的滤波器的孔径大小
                  1);//比例因子
    //计算绝对值，并将结果转换为8位
    cv::convertScaleAbs(dst, abs_dst);
    cv::imshow("原图", gray);
    cv::imshow("Laplace 效果图", abs_dst);
    cv::waitKey(0);