opencv Canny函数

Canny

原理

1. 先经过高斯平滑，目的是去噪声

2. 寻找图像强度梯度

3. 非极大抑制

   • 这一步的目的是将模糊（blurred）的边界变得清晰（sharp）。通俗的讲，就是保留了每个像素点上梯度强度的极大值，而删掉其他的值。对于每个像素点，进行如下操作：

     • 将其梯度方向近似为以下值中的一个（0,45,90,135,180,225,270,315）（即上下左右和45度方向）

     • 比较该像素点，和其梯度方向正负方向的像素点的梯度强度

     • 如果该像素点梯度强度最大则保留，否则抑制（删除，即置为0）

     • 

4. 双阈值

   • 经过非极大抑制后图像中仍然有很多噪声点。Canny算法中应用了一种叫双阈值的技术。即设定一个阈值上界和阈值下界（opencv中通常由人为指定的），图像中的像素点如果大于阈值上界则认为必然是边界（称为强边界，strong edge），小于阈值下界则认为必然不是边界，两者之间的则认为是候选项（称为弱边界，weak edge），需进行进一步处理。经过双阈值处理的图像如下图所示

5. 利用滞后的边界跟踪

   • 体思想是，和强边界相连的弱边界认为是边界，其他的弱边界则被抑制

函数

void Canny(cv::InputArray src, cv::OutputArray dst,
           double threshold1, double threshold2,
            int aperture_size=3   
          );

• src: 原图像， 单通道灰度图像

• dst: 生成的图像

• threshold1，threshold2

  函数的两个阀值。

demo

#include 
#include 

using namespace std;
using namespace cv;

Mat dst, gray_src, src;
int value = 1;

void Callback(int, void*);
int main()
{
	src = imread("f:/1.png");
	if (src.empty())
	{
		cout << "can not find the image" << endl;
		return -1;
	}
	imshow("原图像", src);

	cvtColor(src, gray_src, CV_BGR2GRAY);
	imshow("灰度图像", gray_src);
	namedWindow("结果", CV_WINDOW_AUTOSIZE);

	createTrackbar("bar", "结果", &value, 150, Callback);
	Callback(0, 0);

	waitKey(0);
	return 0;
}
void Callback(int, void*) {
	Canny(gray_src, dst, value, value*2);
	imshow("结果", dst);
}