opencv sobel边缘检测_opencv canny边缘检测代码_canny边缘检测matlab

Canny 边缘检测算法 是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法，也被很认为是边缘检测的 最优算法, 最优边缘检测的三个主要评价标准是:

低错误率: 标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报。opencv canny边缘检测代码

高定位性: 标识出的边缘要与图像中的实际边缘尽可能接近。

最小响应: 图像中的边缘只能标识一次。

消除噪声。 使用高斯平滑滤波器卷积降噪。 下面显示了一个 的高斯内核示例:

计算梯度幅值和方向。 此处，按照Sobel滤波器的步骤:

运用一对卷积阵列 (分别作用于 和 方向):

使用下列公式计算梯度幅值和方向:

梯度方向近似到四个可能角度之一(一般 0, 45, 90, 135)

非极大值 抑制。 这一步排除非边缘像素， 仅仅保留了一些细线条(候选边缘)。opencv canny边缘检测代码

滞后阈值: 最后一步，Canny 使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值):

如果某一像素位置的幅值超过 高 阈值, 该像素被保留为边缘像素。

如果某一像素位置的幅值小于 低 阈值, 该像素被排除。

如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于 高 阈值的像素时被保留。

Canny 推荐的 高:低 阈值比在 2:1 到3:1之间。

想要了解更多细节，你可以参考任何你喜欢的计算机视觉书籍。

本程序做什么?

要求使用者输入一个数字，设置 Canny Edge Detector 的低阈值 (通过trackbar)

使用 Canny 边缘检测 产生一个 mask (白线代表边缘，黑色代表背景)。

使用 mask 作为掩码显示原图像。

本教程的源码如下，你也可以从 这里 下载

创建程序中要用到的变量:

装载原图像:

创建与 src 同类型和大小的矩阵(dst)

将输入图像转换到灰度空间 (使用函数 ):

创建显示窗口

创建trackbar，来获取用户交互输入的低阈值:

注意:

通过trackbar控制的变量为 lowThreshold ，上限为 max_lowThreshold (我们已经设定为100)

每次用户通过trackbar产生变动,回调函数 CannyThreshold 被调用.

让我们一步一步的来观察 CannyThreshold 函数:

首先, 使用 3x3的内核平滑图像:

其次,运用 寻找边缘:

输入参数:

detected_edges: 原灰度图像

detected_edges: 输出图像 (支持原地计算，可为输入图像)

lowThreshold: 用户通过 trackbar设定的值。

highThreshold: 设定为低阈值的3倍 (根据Canny算法的推荐)

kernel_size: 设定为 3 (Sobel内核大小，内部使用)

填充 dst 图像，填充值为0 (图像全黑).

最后, 使用函数 标识被检测到的边缘部分 (背景为黑色).

将 src 图像拷贝到 dst . 但是，仅仅拷贝掩码不为0的像素。既然Canny边缘检测的输出是镶嵌在黑色背景中的边缘像素，因此其结果 dst 图像除了被检测的边缘像素，其余部分都为黑色。

显示结果:

在编译上面的代码之后, 我们可以运行结果，将图片路径输入，如下图:

滑动标尺, 尝试不同的阈值，我们得到如下结果:

仔细观察边缘像素是如何叠加在黑色背景之上的。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-34141-1.html