C++ OpenCV4.5 图像边缘检测Sobel、Laplance和Canny（十二）
系列文章目录
C++ OpenCV4.5环境搭建（一）
C++ OpenCV4.5常用API查询手册（二）
C++ OpenCV4.5 图像处理（三）
C++ OpenCV4.5 绘制形状与文字（四）
C++ OpenCV4.5 图像模糊（五）
C++ OpenCV4.5 项目实战一（六）
C++ OpenCV4.5 形态学操作（七）
C++ OpenCV4.5 调整图像亮度的几种方法（八）
C++ OpenCV4.5 图像金字塔和图像阈值（九）
C++ OpenCV4.5 图像的部分处理操作（十）
C++ OpenCV4.5 卷积运算和卷积边缘处理（十一）
文章目录
- 系列文章目录
- 前言
- 一、Sobel算子
-
- 1.卷积应用-图像边缘提取
- 2.Sobel算子
- 3.示例代码
- 二、Laplance算子
-
- 1.相关概念
- 2.处理步骤
- 3.相关API
- 4.示例代码
- 三、Canny边缘检测
-
- 1.算法介绍
-
-
- 2.1 处理步骤
- 2.2 非最大信号抑制
- 2.3 高低阈值输出二值图像
-
- 3.相关API
- 4.示例代码
前言
该篇主要讲述 Sobel 算子、Laplance 算子和 Canny 算法
一、Sobel算子
1.卷积应用-图像边缘提取
1. 边缘是像素值发生跃迁的地方，是图像的显著特征之一，在图像特征提取、对象检测、模式识别等方面都有重要的作用；
2. 如何捕捉/提取边缘 – 对图像求它的一阶导数 delta = f(x) – f(x-1)，delta越大，说明像素在 X 方向变化越大，边缘信号越强；
2.Sobel算子
函数Sobel声明如下：
cv::Sobel (
- InputArray Src, // 输入图像
- OutputArray dst, // 输出图像，大小与输入图像一致
- int depth, // 输出图像深度
- int dx, // X方向，几阶导数
- int dy, // Y方向，几阶导数
- int ksize, // Sobel算子kernel大小，必须是1、3、5、7…
- double scale = 1, // 计算的导数值的可选比例因子，也就是缩放；默认1，不进行缩放
- double delta = 0, // 可选增量值，最终计算结果加上该值，默认0
- int borderType = BORDER_DEFAULT // 边缘处理
)
对应的微积分函数如下，符号 ∂ 为偏导数
Sobel算子将高斯平滑和微分相结合，使得结果或多或少具有抗噪声能力。大多数情况下，调用函数时使用（xorder=1，yorder=0，ksize=3）或（xorder=0，yorder=1，ksize=3）计算第一个 X 或 Y 方向图像导数，分别对应下图的水平梯度和垂直梯度；
最终梯度有“平方和开根号”和“绝对值求和”两种方案，方案一效果会好一点，但计算速度相对较慢；方案二则刚好相反
输入输出深度见下表，-1是自动计算深度，为了防止像素计算超过255溢出，被截取后损失精度，输出深度至少为输入深度的两倍
求取导数的近似值，kernel=3 时不是很准确，OpenCV使用改进版本Scharr函数，通过增加数值来扩大差异，算子如下：
Scharr函数声明如下：
cv::Scharr (
- InputArray Src, // 输入图像
- OutputArray dst, // 输出图像，大小与输入图像一致
- int depth, // 输出图像深度
- int dx, // X方向，几阶导数
- int dy, // Y方向，几阶导数
- double scale = 1, // 计算的导数值的可选比例因子，也就是缩放；默认1，不进行缩放
- double delta = 0, // 可选增量值，最终计算结果加上该值，默认0
- int borderType = BORDER_DEFAULT // 边缘处理
)
Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType);
等价于
Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType)；
3.示例代码
代码如下（示例）：
#include (iRow, iCol) = saturate_cast(sqrt(pow(iX, 2) + pow(iY, 2)));
}
}
imshow("最终效果", xyGradMat);
waitKey(0);
return 0;
}
二、Laplance算子
1.相关概念
在二阶导数的时候，最大变化处的值为零，即边缘是零值。通过二阶导数计算，依据此理论我们可以计算图像二阶导数，提取边缘。
2.处理步骤
- 高斯模糊 – 降噪 GaussianBlur()
- 转换为灰度图像 cvtColor()
- 拉普拉斯 – 二阶导数计算 Laplacian()
- 取绝对值 convertScaleAbs()
- 显示图像 imshow()
3.相关API
函数 Laplacian 声明如下：
Laplacian(
- InputArray src, // 输入图像
- OutputArray dst, // 输出图像
- int depth, // 输出图像深度 CV_16S
- int kisze, // Sobel算子kernel大小，必须是1、3、5、7…
- double scale = 1, // 计算的导数值的可选比例因子，也就是缩放；默认1，不进行缩放
- double delta =0.0, // 可选增量值，最终计算结果加上该值，默认0
- int borderType = 4 // 边缘处理
)
对应的微积分函数如下，符号 ∂ 为偏导数
4.示例代码
代码如下（示例）：
#include 三、Canny边缘检测
Canny是一个很好的边缘检测算法，常用于图像检测处理，于1986年提出
1.算法介绍
2.1 处理步骤
- 高斯模糊 – 降噪 GaussianBlur()
- 灰度转换 – cvtColor()
- 计算梯度 – Sobel/Scharr()
- 非最大信号抑制
- 高低阈值输出二值图像 - Canny()
2.2 非最大信号抑制
本质是搜索局部极大值，抑制非极大值元素 ，算法原理我查了很多资料，看了很多博客，某博主大大的 这篇博客 写的很详细，自己也看的似懂非懂，就不献丑了
2.3 高低阈值输出二值图像
- 假设 T1、T2 为阈值，凡是大于 T2 的都保留，凡是小于T1都丢弃；T1~T2 之间，凡是大于 T1 且与边缘（大于 T2）相连接的，都保留；最终得到一个输出二值图像。
- 推荐的高低阈值比值为 T2:T1 = 3:1 / 2:1，其中T2为高阈值，T1为低阈值
3.相关API
函数 Canny 声明如下：
Canny（
- InputArray src, // 8-bit的输入图像
- OutputArray edges, // 输出边缘图像，一般都是二值图像，背景是黑色
- double threshold1, // 低阈值，常取高阈值的1/2或者1/3
- double threshold2, // 高阈值
- int aptertureSize, // Soble算子的size，通常3x3，取值3
- bool L2gradient // true表示是 L2 归一化，否则 L1 归一化，默认为 false
）
L1 和 L2 微积分函数如下：
4.示例代码
代码如下（示例）：
#include