作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

函数原型

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

参数说明

InputArray类型的image，输入图像，8位图像。
OutputArray类型的edges，输出边缘图，单通道 8 位图像，与 image 大小相同。
double类型的threshold1，滞后过程的第一个阈值。
double类型的threshold2，滞后过程的第二个阈值。
int类型的apertureSize，算子的孔径大小。
bool类型的L2gradient，若为ture则使用L2范数计算图像梯度幅度，若为false，则用L1范数。

函数原理

Canny边缘检测算法是一种多级边缘检测算法，也被很多人认为是边缘检测的最优算法。其目标是找到一个最优的边缘检测算法，用三个主要评价标准来表征是否为最优：

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；
高定位率：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。

为了满足上述标准，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4个指数函数项的和表示，其非常近似于高斯函数的一阶导数。

Canny边缘检测的步骤：

消除噪声，采用高斯平滑滤波器卷积降噪。
计算梯度幅值和方向。梯度方向一般取0、45、90、135中的一个。
非极大值抑制。这是为了排除非边缘像素，仅仅保留一些细线条，作为候选边缘。
滞后阈值。如参数列表所示，有两个阈值（高阈值和低阈值）。若某一像素位置的幅值超过高阈值，该像素被保留为边缘像素；若某一像素位置的幅值小于低阈值，该像素被排除；若处于两阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留。

测试代码

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

void main()
{
// 灰度Canny检测
Mat src = imread("test.jpg", 0);
Mat result;
Canny(src, result, 100, 150, 3, true);

// 高阶Canny用法，转灰度图，降噪，将得到的边缘作为掩码加到原图上，得到彩色的边缘图
Mat src2 = imread("test.jpg");
Mat edge, result2;
result2=cv::Mat::zeros(src2.size(), src2.type());
blur(src, edge, Size(5, 5));
Canny(edge, edge, 3, 9, 3);
src2.copyTo(result2, edge);

// 结果显示
imshow("src", src2);
imshow("gray", result);
imshow("color", result2);
waitKey(0);
system("pause");
}

测试效果

注意函数的两个阈值与边缘的识别息息相关。

如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。