第7章 圖像變換

7.1 基于OpenCV的邊緣檢測

7.1.1 邊緣檢測的一般步驟

1.濾波：邊緣檢測算法主要基于圖像強度的一階和二階導數，導數對噪聲敏感，所以要濾波
2.增強：確定圖像各點鄰域強度的變化值，將有顯著變化的點凸顯，可通過計算梯度幅值確定
3.檢測：某些特定應用中梯度值較大點不為邊緣點，通過閾值化方法檢測進行取舍

7.1.2 canny算子

1.主要評價標準：
（1）低錯誤率：減少噪聲誤報
（2）高定位性：接近實際邊緣
（3）最小響應：邊緣只標識一次
2.步驟：
（1）消除噪聲：高斯濾波
（2）計算梯度幅值和方向
??1）運用一對卷積陣列分別作用于x和y方向
????????
??2）計算梯度幅值和方向（按照Sobel濾波器步驟進行）
?????????????
（3）非極大值抑制：排除非邊緣像素，僅保留一些細線條
（4）滯后閾值：高閾值和低閾值（推薦高低閾值比2：1到3：1）
??1）像素幅值超過高閾值，保留為邊緣像素
??2）像素幅值小于低閾值，排除
??3）像素幅值在高低之間，該像素連接到一個高于高閾值的像素時被保留
3.函數：Canny()函數
4.函數原型：

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

5.參數說明：
（1）輸入圖像
（2）輸出的邊緣圖
（3）第一個滯后性閾值，較小值用于邊緣連接
（4）第二個滯后性閾值，較大值用于控制強邊緣初始段
（5）應用Sobel算子的孔徑大小，默認值3
（6）計算圖像梯度幅值的標識，默認false
6.調用示例：

//將原圖轉成灰度圖，降噪，用canny，將邊緣圖作為掩?？截惖叫Ч麍D上，得到彩色邊緣圖
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
int main()
{//載入原圖Mat srcImage = imread("love.jpg");imshow("【原始圖】", srcImage);Mat edgeImage, grayImage,dstImage;//【1】創建與src同類型和大小矩陣dstImage.create(srcImage.size(), srcImage.type());//【2】將原圖轉為灰度圖cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);//【3】使用3*3內核降噪blur(grayImage, edgeImage, Size(3, 3));//【4】運行canny算子Canny(edgeImage, edgeImage, 3, 9, 3);//【5】將dstImage中所有元素設為0dstImage = Scalar::all(0);//【6】使用Canny算子輸出的邊緣圖作為掩碼將原圖拷到目標圖srcImage.copyTo(dstImage, edgeImage);//【7】顯示效果圖imshow("【效果圖】Canny邊緣檢測", dstImage);waitKey(0);return 0;
}

運行效果：

7.1.3 sobel算子

1.主要用于邊緣檢測的離散微分算子（discrete differentiation operator），結合高斯平滑和微分求導，計算圖像灰度函數的近似梯度
2.計算過程：
（1）分別在x和y兩個方向求導
水平：圖像I與奇數大小的內核進行卷積，如內核大小為3：
????????????????
垂直：圖像I與奇數大小的內核進行卷積，如內核大小為3：
????????????????
（2）在圖像每一點，結合以上兩個結果求出近似梯度
??????????????或
3.函數：Sobel()函數
4.函數原型：

void Sobel(InputArray src, OutputArray dst, int ddepth, int dx, int dy, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT)

5.參數說明：
（1）輸入圖像
（2）目標圖像
（3）輸出圖像深度，支持src.depth()和ddepth的組合：
????
（4）x方向的差分階數
（5）y方向的差分階數
（6）Sobel核大小，取值：1、3（默認）、5、7，取值為1時一般使用3*1或1*3內核
???內核大小為3時，Sobel內核可能有明顯誤差，Scharr函數更精確，內核為：
????????????
（7）計算導數時可選的縮放因子，默認1（無縮放）
（8）在結果存入目標圖之前可選的delta值，默認0
（9）邊界模式，默認BORDER_DEFAULT

使用sobel()函數時，取【xorder=1，yorder=0，ksize=3】計算圖像X方向導數，取【xorder=0，yorder=1，ksize=3】計算圖像Y方向導數

6.調用示例：

#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
int main()
{//【0】創建grad_x和grad_y矩陣Mat grad_x, grad_y;Mat abs_grad_x, abs_grad_y, dstImage;//【1】載入原圖Mat srcImage = imread("love.jpg");//【2】顯示原圖imshow("【原始圖】sobel邊緣檢測", srcImage);//【3】求X方向梯度Sobel(srcImage, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);convertScaleAbs(grad_x, abs_grad_x);imshow("【效果圖】x方向Sobel", abs_grad_x);//【4】求Y方向梯度Sobel(srcImage, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);convertScaleAbs(grad_y, abs_grad_y);imshow("【效果圖】y方向Sobel", abs_grad_y);//【5】合并梯度(近似)addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dstImage, -1);//【6】顯示效果圖imshow("【效果圖】整體方向Sobel", dstImage);waitKey(0);return 0;
}

運行效果：

7.1.4 Laplacian算子

1.二階導數可以用來檢測邊緣， Laplacian算子是n維歐幾里得空間中的一個二階微分算子，定義為梯度grad的散度div，一幅圖像減去它的Laplacian算子可以增強對比度
2.如果f是二階可微的實函數，則f的拉普拉斯算子定義為笛卡爾坐標系xi中的所有非混合二階偏導數求和：
????????????????
3.函數：Laplacian()函數
4.函數原型：

void Laplacian(InputArray src, OutputArray dst, int ddepth, int ksize=1 , double scale=1, double delta=0, int borderType=BORDER_DEFAULT)

5.參數說明：
（1）輸入圖像
（2）輸出的邊緣圖
（3）輸出圖像深度
（4）計算二階導數的濾波器的孔徑尺寸，大小必須為正奇數，默認1
（5）計算拉普拉斯值得時候可選的比例因子，默認1
（6）在結果存入目標圖之前可選的delta值，默認0
（7）邊界模式，默認BORDER_DEFAULT
6.函數主要利用sobel算子的運算，通過加上sobel算子運算的圖像x方向和y方向上的導數，來得到載入圖像的拉普拉斯變換，sobel算子如下：
????????????????
ksize=1時，Laplacian()函數采用3*3孔徑：
??????????????????
7.調用示例：

#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
int main()
{//【0】變量定義Mat srcImage, grayImage, dstImage, abs_dstImage;//【1】載入原圖srcImage = imread("love.jpg");//【2】顯示原圖imshow("【原始圖】圖像Laplace變換", srcImage);//【3】使用高斯濾波消除噪聲GaussianBlur(srcImage, srcImage, Size(3, 3), 0, 0, BORDER_DEFAULT);//【4】轉換為灰度圖cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);//【5】使用Laplace函數Laplacian(grayImage, dstImage, CV_16S, 3, 1, 0, BORDER_DEFAULT);//【6】計算絕對值，將結果轉換成8位convertScaleAbs(dstImage, abs_dstImage);//【7】顯示效果圖imshow("【效果圖】圖像Laplacian變換", abs_dstImage);waitKey(0);return 0;
}

運行效果：

7.1.5 scharr濾波器

1.計算圖像差分：Scharr()函數，與Sobel基本一樣，沒有ksize核大小：

Scharr(src,dst,ddepth,dx,dy,scale,delta,broderType)

=
Sobel(src,dst,ddepth,dx,dy,CV_SCHARR,scale,delta,borderType)

2.調用示例：

#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
int main()
{//創建grad_x和grad_y矩陣Mat grad_x, grad_y;Mat abs_grad_x, abs_grad_y, dstImage;//載入原圖Mat srcImage = imread("love.jpg");//顯示原圖imshow("【原始圖】Scharr濾波器", srcImage);//求x方向梯度Scharr(srcImage, grad_x, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);convertScaleAbs(grad_x, abs_grad_x);imshow("【效果圖】X方向Scharr", abs_grad_x);//求y方向梯度Scharr(srcImage, grad_y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);convertScaleAbs(grad_y, abs_grad_y);imshow("【效果圖】Y方向Scharr", abs_grad_y);//合并梯度（近似）addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dstImage);//顯示效果圖imshow("【效果圖】合并梯度后Scharr", dstImage);waitKey(0);return 0;
}

運行結果：

7.1.6 綜合示例

/*
效果：實現canny邊緣檢測，滑動條控制閾值實現Sobel邊緣檢測，滑動條控制內核大小實現Scharr濾波器
*/
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
//全局變量
Mat g_srcImage, g_grayImage, g_dstImage;
//Canny邊緣檢測相關變量
Mat g_cannyDetectedEdges;
int g_cannyLowThreshold = 1;//Trackbar位置參數
//Sobel邊緣檢測相關變量
Mat g_sobelGradient_X, g_sobelGradient_Y;
Mat g_sobelAbsGradient_X, g_sobelAbsGradient_Y;
int g_sobelKernelSize = 1;//Trackbar位置參數
//Scharr濾波器相關變量
Mat g_scharrGradient_X, g_scharrGradient_Y;
Mat g_scharrAbsGradient_X, g_scharrAbsGradient_Y;
//全局函數
static void on_Canny(int, void*);//canny邊緣檢測窗口滾動條回調函數
static void on_Sobel(int, void*);//Sobel邊緣檢測窗口滾動條回調函數
void Scharr();//封裝了Scharr邊緣檢測相關代碼的函數
int main()
{//改變console字體顏色system("color 2F");//載入原圖g_srcImage = imread("girl.jpg");if (!g_srcImage.data){printf("載入原圖失敗~！\n");return false;}//顯示原圖namedWindow("【原始圖】");imshow("【原始圖】", g_srcImage);//創建與src同類型和大小的矩陣g_dstImage.create(g_srcImage.size(), g_srcImage.type());//將原圖轉換為灰度圖cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);//創建顯示窗口namedWindow("【效果圖】Canny邊緣檢測", WINDOW_AUTOSIZE);namedWindow("【效果圖】Sobel邊緣檢測", WINDOW_AUTOSIZE);namedWindow("【效果圖】Scharr濾波器", WINDOW_AUTOSIZE);//創建滑動條createTrackbar("參數值", "【效果圖】Canny邊緣檢測", &g_cannyLowThreshold, 120, on_Canny);createTrackbar("參數值", "【效果圖】Sobel邊緣檢測", &g_sobelKernelSize, 3, on_Sobel);//調用回調函數on_Canny(g_cannyLowThreshold, 0);on_Sobel(g_sobelKernelSize, 0);//調用封裝了Scharr邊緣檢測代碼的函數Scharr();while ((char)waitKey(1) != 27) {}return 0;
}
//canny邊緣檢測窗口滾動條回調函數
static void on_Canny(int, void*)
{//3*3內核降噪blur(g_grayImage, g_cannyDetectedEdges, Size(3, 3));//運行Canny算子Canny(g_cannyDetectedEdges, g_cannyDetectedEdges, g_cannyLowThreshold, g_cannyLowThreshold * 3, 3);//將g_dstImage內所有元素設為0g_dstImage = Scalar::all(0);//使用Canny算子輸出的邊緣圖g_cannyDetectedEdges作為掩模，將原圖拷貝到目標圖g_srcImage.copyTo(g_dstImage, g_cannyDetectedEdges);//顯示效果圖imshow("【效果圖】Canny邊緣檢測", g_dstImage);
}
static void on_Sobel(int, void*)
{//求X方向梯度Sobel(g_srcImage, g_sobelGradient_X, CV_16S, 1, 0, 2*g_sobelKernelSize+1, 1, 1, BORDER_DEFAULT);convertScaleAbs(g_sobelGradient_X, g_sobelAbsGradient_X);//求Y方向梯度Sobel(g_srcImage, g_sobelGradient_Y, CV_16S, 0, 1, 2*g_sobelKernelSize+1, 1, 1, BORDER_DEFAULT);convertScaleAbs(g_sobelGradient_Y, g_sobelAbsGradient_Y);//合并梯度addWeighted(g_sobelAbsGradient_X, 0.5, g_sobelAbsGradient_Y, 0.5, 0, g_dstImage);//顯示效果圖imshow("【效果圖】Sobel邊緣檢測", g_dstImage);
}
void Scharr()
{//求X方向梯度Scharr(g_srcImage, g_scharrGradient_X, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);convertScaleAbs(g_scharrGradient_X, g_scharrAbsGradient_X);//求Y方向梯度Scharr(g_srcImage, g_scharrGradient_Y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);convertScaleAbs(g_scharrGradient_Y, g_scharrAbsGradient_Y);//合并梯度addWeighted(g_scharrAbsGradient_X, 0.5, g_scharrAbsGradient_Y, 0.5, 0, g_dstImage);//顯示效果圖imshow("【效果圖】Scharr濾波器", g_dstImage);
}

運行效果：

總結

以上是生活随笔為你收集整理的《OpenCV3编程入门》学习笔记7 图像变换（一）基于OpenCV的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。