边缘提取函数 [OPENCV--2]

OPENCV中最常用的边界检测是CANNY函数

下面展示它的用法

通常输入一个灰度图像（边界一般和颜色无关）这样也可以简化运算
cv::Canny(inmat , outmat , therhold1, therhold2 ) 第一个参数是输入的灰度图像，第二个是输出的图像
这两个参数都是引用类型，很方便
下面的两个是门槛，一个是低阈值门槛，一个是高阈值门槛，只有高于低阈值的才算边界，高于高阈值的算是强边界
你说值怎么取？CV本来就是很唯心的学科，这些参数肯定要自己调试了，在不同的实用环境中值不一样
一般来说，保证TH2是TH 1的两倍到三倍即可

cpp 复制代码

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

int main() {
    cv::utils::logging::setLogLevel(cv::utils::logging::LOG_LEVEL_ERROR);

    // 读取PNG图像
    cv::Mat image = cv::imread("PIC.jpg", cv::IMREAD_COLOR);
    if (image.empty()) {
        std::cerr << "无法读取图像文件" << std::endl;
        return -1;
    }

    // 转换为灰度图像
    cv::Mat gray;
    cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);

    // 初始化边缘图像向量
    std::vector<cv::Mat> edges(5);  // 初始化大小为5的向量

    for (int i = 0; i < 5; i++) {
        // 应用边缘检测（Canny）
        cv::Canny(gray, edges[i], i * 100, 150, 3);

        // 创建并调整窗口大小
        cv::namedWindow("edges" + std::to_string(i), cv::WINDOW_NORMAL);  // 使用WINDOW_NORMAL标志，允许调整窗口大小
        cv::resizeWindow("edges" + std::to_string(i), 800, 600);  // 调整窗口大小为800x600

        // 显示边缘图像
        cv::imshow("edges" + std::to_string(i), edges[i]);
    }

    cv::waitKey();

    return 0;
}

下面是程序的执行效果，可以看出，随着下门槛的提高，边界越来越少

可见

1，随着下阈值的提高，强边缘被筛选出来

2，随着下阈值的提高，边缘信息越来越少

下面我们修改上阈值看看

cpp 复制代码

  cv::Canny(gray, edges[i], i * 100, 150*i, 3);

0号图片是上门槛为0 的情况，所以噪音很多，上门槛不是越高越好，可见2，3，4几乎没有信息可言

就这样。ψ(｀∇´)ψ