OpenCV（十七）边缘检测3 -- Canny算子（最优边缘检测）

目录

一、基础理论

1、作用及介绍

1、原理

2、过程

3、Canny函数

二、回调函数及总代码

效果

参考资料

---

​​​​​​​

一、基础理论

1、作用及介绍

Canny边缘检测是非常流行的边缘检测算法，被认为是最优的边缘检测算法。

1、原理

首先在x和y方向求一阶导数，然后组合为4个方向的导数，这些方向导数达到局部最大值的点就是组成边缘的候选点。

优点：分别用两种不同的阈值检测强边缘和弱边缘。（当且仅当强边缘与弱边缘相连时，才将若边缘输出到图像中）

2、过程

四步法：

第一步，图像降噪。高斯滤波。

第二步，计算图像梯度，sobel算子，计算梯度大小和方向。

梯度方向总是与边缘垂直，梯度方向有四类：垂直、水平、两个对角线方向。

第三步，非极大值抑制（保留极大值）。利用梯度方向像素判断是否为边界点，去除非边界点。（边缘变“瘦”）

第四步，双阈值筛选（保留极大值）。设置两个阈值，确定最终边界。

现在要确定真正的边界。我们设置两个阈值: minVal和 maxVal。当图像的灰度梯度高于maxVal时被认为是真的边界，低于minVal的边界会被抛弃。如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是就抛弃。（和极大值相连则保留）如下图:A和C视为边界，B不视为边界。

3、Canny函数

void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )

InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。
OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。
double类型的threshold1，第一个滞后性阈值【低阈值】。值越大，找到的边缘越少
double类型的threshold2，第二个滞后性阈值【高阈值】。
int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。
bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

C++：

Canny(src, dst, 100,        255,        3);          //Canny函数
    //          低阈值     高阈值       sobel算子孔径大小

 python：

dst = cv.Canny(img, 100,  255)
    #              低阈值 高阈值

Canny算子处理： 

C++：

//Canny边缘检测
void Canny()
{
    Canny(src, dst, 100,        255,            3);          //Canny函数
    //              低阈值     高阈值       sobel算子孔径大小
    imshow(window, dst);
}

 python：

# Canny最优微分算子
def Canny():
    dst = cv.Canny(img, 100,  255)
    #                   低阈值 高阈值
    cv.imshow("dst", dst)

 

二、回调函数及总代码

C++：

//Canny算子回调函数（参数可调）
#include   
#include   

using namespace cv;
using namespace std;

Mat src, dst, gray;
string window = "Canny";
int Min = 50, Max = 200;          //初始参数

void Callback_Canny_Min(int, void*);         //Canny算子回调函数
void Callback_Canny_Max(int, void*);

//图片初始化
void Image_Init()
{
    src = imread("Resource/test17.jpg");
    imshow("原图", src);
}

//Canny边缘检测
void Canny()
{
    Canny(src, dst, 100,        255,            3);          //Canny函数
    //              低阈值     高阈值       sobel算子孔径大小
    imshow(window, dst);
}

int main()
{
    Image_Init();                   //图片初始化

    //先第一次显示（Canny）
    Canny();

    //回调函数
    createTrackbar("min:", window, &Min, 255, Callback_Canny_Min);
    createTrackbar("max:", window, &Max, 255, Callback_Canny_Max);

    waitKey(0);

    return 0;
}

//Canny回调函数
void Callback_Canny_Min(int, void*)
{
    Canny();
}

//Canny回调函数
void Callback_Canny_Max(int, void*)
{
    Canny();
}

python：

# 边缘检测（Sobel、Laplace、Canny）
import cv2 as cv

# Canny最优微分算子
def Canny():
    dst = cv.Canny(img, 100,  255)
    #                   低阈值 高阈值
    cv.imshow("dst", dst)

if __name__ == '__main__':
    # 读取图片
    img = cv.imread("Resource/test5.jpg")
    cv.imshow("img", img)

    # Sobel()         #Sobel一阶微分算子
    # Laplace()       #Laplace二阶微分算子
    Canny()         #Canny最优微分算子

    cv.waitKey(0)

效果

参考资料

https://www.bilibili.com/video/BV1Fo4y1d7JL?p=34&spm_id_from=pageDriver