OpenCV 边缘检测 Canny

1. Canny边缘检测

Canny 是最经典、最常用的边缘检测算法 ，目标：低误检、定位准、边缘单像素细线条

2. 算法四大核心步骤

高斯滤波降噪
边缘检测对噪声极敏感，先用高斯模糊抹平噪点（Canny 内部自带）。
Sobel 求梯度幅值 + 方向
计算每个像素灰度变化大小、梯度方向（0°、45°、90°、135° 四类）。
非极大值抑制（NMS）【Canny 精髓】
把梯度方向上不是局部最大值的像素置 0，把宽粗的边缘压缩成单像素细线，这是 Sobel 没有的一步OpenCV-Pyt...。
双阈值滞后判断（Hysteresis）
- 梯度 > 高阈值：强边缘（确定是边缘）
- 梯度 < 低阈值：直接舍弃，不是边缘
- 中间（弱边缘）：只有和强边缘连通，才保留，否则丢弃

推荐比例：高阈值：低阈值 = 2:1 ~ 3:1，你代码里 40 : 120 = 1:3，是标准配置OpenCV

3. 函数原型

cpp 复制代码

void Canny(
    InputArray image,
    OutputArray edges,
    double threshold1,  // 低阈值
    double threshold2,  // 高阈值
    int apertureSize = 3, // Sobel核大小
    bool L2gradient = false // 梯度计算方式
);

cpp 复制代码

void MainWindow::onCanny()
{
    cv::Mat gray;
    cv::cvtColor(srcMat, gray,cv::COLOR_BGR2GRAY);

    cv::Mat dst;
    cv::Canny(gray,srcMat, 40, 120);
    showMat(srcMat);
}

///////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////

Sobel X

cpp 复制代码

void MainWindow::on_btnSobelX_clicked()
{
    cv::Mat gray, sobel;
    cv::cvtColor(srcMat, gray, cv::COLOR_BGR2GRAY);
    cv::Sobel(gray, sobel, CV_16S, 1, 0, 3);
    cv::convertScaleAbs(sobel, srcMat);
    showMat(srcMat);
}

Laplacian

cpp 复制代码

void MainWindow::on_btnLaplacian_clicked()
{
    cv::Mat gray, lap;
    cv::cvtColor(srcMat, gray, cv::COLOR_BGR2GRAY);
    cv::Laplacian(gray, lap, CV_16S, 3);
    cv::convertScaleAbs(lap, srcMat);
    showMat(srcMat);
}

4. 轮廓检测

cpp 复制代码

void MainWindow::on_btnContour_clicked() 
{
    // 1. 定义两个Mat，用来存灰度图、二值图
    cv::Mat gray, bin;
    // 2. BGR彩色图 → 单通道灰度图
    cv::cvtColor(srcMat, gray, cv::COLOR_BGR2GRAY);

    // 3. 灰度图 → 二值图（黑白图）
    cv::threshold(gray, bin, 100, 255, cv::THRESH_BINARY);

    // 4. 轮廓容器：contours存所有轮廓点集；hierarchy存轮廓层级关系
    std::vector<std::vector<cv::Point>> contours;
    std::vector<cv::Vec4i> hierarchy;

    // 5. 查找轮廓
    cv::findContours(bin, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

    // 6. 拷贝原图，在副本上画轮廓，避免直接修改原图
    cv::Mat draw = srcMat.clone();
    // 7. 在draw图上绘制轮廓
    cv::drawContours(draw, contours, -1, cv::Scalar(0,0,255), 2);

    // 8. 把画完轮廓的图赋值给srcMat，替换当前图
    srcMat = draw;
    // 9. 调用自定义函数刷新UI显示
    showMat(srcMat);
}

1. threshold(gray, bin, 100, 255, cv::THRESH_BINARY)

阈值二值化：

gray：输入灰度图
bin：输出二值图
100：阈值
255：大于阈值的像素设置成的值
THRESH_BINARY 规则：
- 像素 > 100 → 置 255（白色）
- 像素 ≤ 100 → 置 0（黑色）

⚠️ 坑点：这个阈值 100 是固定死的，光照一变效果就崩，后面可以改成自适应阈值 adaptiveThreshold

2. std::vector<std::vector<cv::Point>> contours

contours：轮廓数组
- 外面一层 vector：有多少个轮廓
- 里面一层 vector<cv::Point>：一个轮廓上所有的坐标点

示例：contours[0] 就是第 0 个轮廓的全部点

3. std::vector<cv::Vec4i> hierarchy

轮廓层级信息，每个轮廓对应一个 Vec4i = [next, prev, child, parent]

本代码用的是 RETR_EXTERNAL，只找最外层轮廓，不抓取内部孔洞，所以 hierarchy 基本用不上

4. findContours(bin, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE)

这是核心函数：从二值图里寻找白色区域的轮廓

参数 1：输入图，必须是二值图（黑白）
参数 2、3：输出轮廓和层级
cv::RETR_EXTERNAL：只提取最外层轮廓 ，忽略内部孔洞轮廓（比如圆环，只会拿到外圈，内圈丢掉）可选对比：
RETR_TREE：提取所有轮廓，保留完整父子嵌套关系（适合孔洞检测）
cv::CHAIN_APPROX_SIMPLE：轮廓点压缩比如一条直线，只保留起点终点，丢掉中间冗余点，节省内存；另一个选项 CHAIN_APPROX_NONE：保存轮廓上每一个像素点，点会非常多

5. drawContours(draw, contours, -1, cv::Scalar(0,0,255), 2)

在图像上绘制轮廓

draw：在哪张图上画
contours：轮廓集合
-1：绘制所有轮廓；填 0 就是只画第 0 个轮廓
cv::Scalar(0,0,255)：BGR，也就是红色
2：线条粗细，单位像素；填 cv::FILLED 就是把轮廓内部填充

6. srcMat = draw; showMat(srcMat);

把画好轮廓的图覆盖掉成员变量 srcMat，下一次再点按钮，会在上一次画了红线的图上继续处理。

OpenCV 边缘检测 Canny

1. Canny边缘检测

2. 算法四大核心步骤

3. 函数原型

4. 轮廓检测

原图 (BGR) → 转灰度 → 固定阈值二值化 → 提取最外层物体轮廓 → 红色线条画在原图副本上 → 刷新 UI 显示