图像边缘检测

本文提供两种思路，实现自然图像的边缘检测，并对两种方法的检测效果进行对比。

方法一：调用OpenCV中提供的函数，如Sobel(), Canny()…

方法二：基于图像检测算子的原理，自定义模板。再基于自定义模板对整个图像遍历，从而实现图像边缘检测。本文基于sobel算子实现边缘检测。

具体代码如下，并在VS2010上测试通过：

#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/photo/photo.hpp"

#include 
using namespace std;
using namespace cv;

//方法一: 调用OpenCV中提供的函数
void EdgeDetectionBySobel(Mat srcImg)
{
    Mat dstImgX, dstImgY, dstImg;
    Sobel(srcImg, dstImgY, -1, 1, 0);
    Sobel(srcImg, dstImgX, -1, 0, 1);
    Sobel(srcImg, dstImg, -1, 1, 1);
    imshow("Y方向的梯度", dstImgY);
    imshow("X方向的梯度", dstImgX);
    imshow("合并的梯度", dstImg);
    waitKey(0);
}

//方法二: 自定义函数，效果很一般
void CustomSobelForEdgeDetection(Mat srcImg)
{
    //double val = 1.414;//异向扩散
    double val = 2;//同向扩散

    double sobelTempalteX[3][3] =
    {
        {-1, -val, -1},
        {0, 0, 0},
        {1, val, 1},
    };
    double sobelTempalteY[3][3] =
    {
        {-1, 0, 1},
        {-val, 0, val},
        {-1, 0, 1},
    };
    Mat dstImgX = Mat::zeros(srcImg.size(), CV_8UC1);
    Mat dstImgY = Mat::zeros(srcImg.size(), CV_8UC1);

    //srcImg.data()快速获取图像灰度值
    for(int i = 1; i < dstImgX.rows - 1; i++)//外循环
        for(int j = 1; j < dstImgX.cols - 1; j++)
        {
            uchar temp = 0;
            for(int m = -1; m <= 1; m++)//内循环
                for(int n = -1; n <= 1; n++)
                {
                    temp += srcImg.data[(i + m) * dstImgX.cols + (j + n)] * sobelTempalteX[m][n];
                }
                dstImgX.data[i * dstImgX.cols + j] = temp;
        }
        imshow("X方向的梯度", dstImgX);

        for(int i = 1; i < dstImgY.rows - 1; i++)//外循环
            for(int j = 1; j < dstImgY.cols - 1; j++)
            {
                uchar temp = 0;
                for(int m = -1; m <= 1; m++)//内循环
                    for(int n = -1; n <= 1; n++)
                    {
                        temp += srcImg.data[(i + m) * dstImgY.cols + (j + n)] * sobelTempalteY[m][n];
                    }
                    dstImgY.data[i * dstImgY.cols + j] = temp;
            }
            imshow("Y方向的梯度", dstImgY);

            waitKey(0);
}

int main(int argc, char* argv[])
{
    Mat srcImg = imread("D:/openCV/data/naturalImage/data/leda.jpg", 0);
    //EdgeDetectionBySobel(srcImg);
    CustomSobelForEdgeDetection(srcImg);
    return 0;
}

方法一种效果图如下所示：

方法二种效果图如下所示：