目錄

一、基礎理論

1、作用及介紹

1、原理

2、過程

3、Canny函數

二、回調函數及總代碼

效果

參考資料

---

???????

一、基礎理論

1、作用及介紹

Canny邊緣檢測是非常流行的邊緣檢測算法，被認為是最優的邊緣檢測算法。

1、原理

首先在x和y方向求一階導數，然后組合為4個方向的導數，這些方向導數達到局部最大值的點就是組成邊緣的候選點。

優點：分別用兩種不同的閾值檢測強邊緣和弱邊緣。（當且僅當強邊緣與弱邊緣相連時，才將若邊緣輸出到圖像中）

2、過程

四步法：

第一步，圖像降噪。高斯濾波。

第二步，計算圖像梯度，sobel算子，計算梯度大小和方向。

梯度方向總是與邊緣垂直，梯度方向有四類：垂直、水平、兩個對角線方向。

第三步，非極大值抑制（保留極大值）。利用梯度方向像素判斷是否為邊界點，去除非邊界點。（邊緣變“瘦”）

第四步，雙閾值篩選（保留極大值）。設置兩個閾值，確定最終邊界。

現在要確定真正的邊界。我們設置兩個閾值: minVal和 maxVal。當圖像的灰度梯度高于maxVal時被認為是真的邊界，低于minVal的邊界會被拋棄。如果介于兩者之間的話，就要看這個點是否與某個被確定為真正的邊界點相連，如果是就認為它也是邊界點，如果不是就拋棄。（和極大值相連則保留）如下圖:A和C視為邊界，B不視為邊界。

3、Canny函數

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

InputArray類型的image，輸入圖像，即源圖像，填Mat類的對象即可，且需為單通道8位圖像。
OutputArray類型的edges，輸出的邊緣圖，需要和源圖片有一樣的尺寸和類型。
double類型的threshold1，第一個滯后性閾值【低閾值】。值越大，找到的邊緣越少
double類型的threshold2，第二個滯后性閾值【高閾值】。
int類型的apertureSize，表示應用Sobel算子的孔徑大小，其有默認值3。
bool類型的L2gradient，一個計算圖像梯度幅值的標識，有默認值false。

C++：

Canny(src, dst, 100,        255,        3);          //Canny函數//          低閾值     高閾值       sobel算子孔徑大小

?python：

dst = cv.Canny(img, 100,  255)#              低閾值 高閾值

Canny算子處理：?

C++：

//Canny邊緣檢測
void Canny()
{Canny(src, dst, 100,        255,            3);          //Canny函數//              低閾值     高閾值       sobel算子孔徑大小imshow(window, dst);
}

?python：

# Canny最優微分算子
def Canny():dst = cv.Canny(img, 100,  255)#                   低閾值 高閾值cv.imshow("dst", dst)

?

二、回調函數及總代碼

C++：

//Canny算子回調函數（參數可調）
#include <opencv2/opencv.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  using namespace cv;
using namespace std;Mat src, dst, gray;
string window = "Canny";
int Min = 50, Max = 200;          //初始參數void Callback_Canny_Min(int, void*);         //Canny算子回調函數
void Callback_Canny_Max(int, void*);//圖片初始化
void Image_Init()
{src = imread("Resource/test17.jpg");imshow("原圖", src);
}//Canny邊緣檢測
void Canny()
{Canny(src, dst, 100,        255,            3);          //Canny函數//              低閾值     高閾值       sobel算子孔徑大小imshow(window, dst);
}int main()
{Image_Init();                   //圖片初始化//先第一次顯示（Canny）Canny();//回調函數createTrackbar("min:", window, &Min, 255, Callback_Canny_Min);createTrackbar("max:", window, &Max, 255, Callback_Canny_Max);waitKey(0);return 0;
}//Canny回調函數
void Callback_Canny_Min(int, void*)
{Canny();
}//Canny回調函數
void Callback_Canny_Max(int, void*)
{Canny();
}

python：

# 邊緣檢測（Sobel、Laplace、Canny）
import cv2 as cv# Canny最優微分算子
def Canny():dst = cv.Canny(img, 100,  255)#                   低閾值 高閾值cv.imshow("dst", dst)if __name__ == '__main__':# 讀取圖片img = cv.imread("Resource/test5.jpg")cv.imshow("img", img)# Sobel()         #Sobel一階微分算子# Laplace()       #Laplace二階微分算子Canny()         #Canny最優微分算子cv.waitKey(0)

效果

參考資料

https://www.bilibili.com/video/BV1Fo4y1d7JL?p=34&spm_id_from=pageDriver

總結

以上是生活随笔為你收集整理的OpenCV（十七）边缘检测3 -- Canny算子（最优边缘检测）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。