【OpenCV C++20 学习笔记】Canny边缘检测

Canny边缘检测

原理

Canny边缘检测也称为"最优检测"(optimal detector),它的开发主要有以下3个目标:

  • 低错误率:只检测真实存在的边缘
  • 良好的定位:检测出来的边缘与真实的边缘之间的距离要达到最小
  • 最小的反馈:每个边缘只有一个检测结果

步骤

  1. 过滤噪音:使用滤波对噪音进行过滤,可以使用归一化滤波、高斯滤波、中值滤波等。
  2. 使用类似于Sobel的方法,计算图片中颜色值的斜率:
  • 在 x x x和 y y y方向应用以下卷积掩码:
    G x = [ − 1 0 + 1 − 2 0 + 2 − 1 0 + 1 ] ∗ I G_x= \begin{bmatrix} -1 & 0 & +1 \\ -2 & 0 & +2 \\ -1 & 0 & +1 \end{bmatrix} * I Gx= −1−2−1000+1+2+1 ∗I
    G y = [ − 1 − 2 − 1 0 0 0 + 1 + 2 + 1 ] ∗ I G_y= \begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ +1 & +2 & +1 \end{bmatrix} * I Gy= −10+1−20+2−10+1 ∗I
  • 计算近似斜率及其方向:
    G = G x 2 + G y 2 G = \sqrt{G_x^2+G_y^2} G=Gx2+Gy2
    θ = arctan ⁡ ( G y G x ) \theta = \arctan(\frac{G_y}{G_x}) θ=arctan(GxGy)
    θ \theta θ只能取4个值,0, 45, 90以及135,所以要取近似值。
  1. 非最大值抑制(non-maximum suppression):将不属于边缘部分的像素去除,只保留边缘的细线条
  2. 迟滞(hysteresis):使用2个阈值(上阈值,下阈值)
  • 如果像素的斜率高于上阈值,该像素将被识别为在边缘上
  • 如果像素的斜率低于下阈值,该像素将不被识别
  • 如果像素的斜率在两个阈值中间,则只有当该像素与高于上阈值的像素相邻时才被识别为在边缘上

API

在OpenCV中使用Canny()函数进行Canny边缘检测,其函数原型如下:

cpp 复制代码
void cv::Canny(	InputArray	image,				//8位的输入图
				OutputArray	edges,				//输出图;单通道8位类型,与输入图具有相同的尺寸
				double		threshold1,			//迟滞操作中的下阈值
				double		threshold2,			//迟滞操作中的上阈值
				int			apertureSize = 3,	//Sobel操作中的卷积核的尺寸
				bool		L2gradient = false)	//是否使用更精确的L2方法计算斜率
  • 如果L2gradient = true,则使用 L 2 n o r m = ( d I / d x ) 2 + ( d d I / d y ) 2 L_2 norm = \sqrt{(dI/dx)^2+(ddI/dy)^2} L2norm=(dI/dx)2+(ddI/dy)2 计算斜率
  • 如果L2gradient = false,则使用 L 1 n o r m = ∣ d I / d x ∣ + ∣ d I / d y ∣ L_1 norm = |dI/dx| + |dI/dy| L1norm=∣dI/dx∣+∣dI/dy∣计算斜率,这也是默认的方法

实例

本例中首先将原图灰度化,然后使用归一化滤波去除图中的噪音。

接着使用50-90的阈值范围,以及 3 × 3 3 \times 3 3×3的卷积核进行边缘检测。

最后将检测结果与原图结合,从而使得边缘线条具有与原图相同的颜色。

完整代码如下:

cpp 复制代码
#include <opencv2/imgproc.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>

using namespace cv;

int main() {
	Mat src{ imread("fruits.jpg") };

	//灰度化
	Mat gray;
	cvtColor(src, gray, COLOR_BGR2GRAY);

	//归一化滤波
	Mat blured;
	blur(gray, blured, Size(3, 3));

	//canny边缘检测
	Mat canny;
	Canny(blured, canny, 50, 90, 3);

	//将检测的边缘与原图结合
	Mat dst{ src.size(), src.type() };
	dst = Scalar::all(0);
	src.copyTo(dst, canny);	//canny相当与掩码,这样只有canny中检测到的边缘才能显示颜色,其余都是黑色

	imshow("原图", src);
	imshow("canny", dst);
	waitKey(0);
}

运行结果:

可以看到,边缘检测的效果非常细节。

相关推荐
序属秋秋秋1 小时前
《C++初阶之内存管理》【内存分布 + operator new/delete + 定位new】
开发语言·c++·笔记·学习
许白掰1 小时前
Linux入门篇学习——Linux 工具之 make 工具和 makefile 文件
linux·运维·服务器·前端·学习·编辑器
B1nna2 小时前
Docker学习
学习·docker·容器
promising-w8 小时前
【运算放大器专题】基础篇
嵌入式硬件·学习
宝山哥哥8 小时前
网络信息安全学习笔记1----------网络信息安全概述
网络·笔记·学习·安全·网络安全
前端开发与ui设计的老司机8 小时前
从UI设计到数字孪生实战:构建智慧教育的个性化学习平台
学习·ui
X Y O8 小时前
神经网络初步学习3——数据与损失
人工智能·神经网络·学习
jndingxin10 小时前
OpenCV 人脸分析----人脸识别的一个经典类cv::face::EigenFaceRecognizer
人工智能·opencv·计算机视觉
霖0010 小时前
C++学习笔记三
运维·开发语言·c++·笔记·学习·fpga开发
PyAIExplorer11 小时前
图像轮廓检测与绘制:OpenCV 实战指南
人工智能·opencv·计算机视觉