opencv学习笔记之canny代码解析

opencv学习笔记之canny代码解析

1.代码实现功能
这个程序是做什么的？
1.要求用户输入数值以设置我们的Canny Edge Detector的下限（通过Trackbar）。
2.应用Canny Detector并生成一个蒙版（亮线表示黑色背景上的边缘）。
3.应用在原始图像上获得的蒙版，并将其显示在窗口中。
2.代码

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace cv;
Mat src, src_gray;
Mat dst, detected_edges;
int edgeThresh = 1;
int lowThreshold;
int const max_lowThreshold = 100;
int ratio = 3;
int kernel_size = 3;
const char* window_name = "Edge Map";
static void CannyThreshold(int, void*)
{
    blur( src_gray, detected_edges, Size(3,3) );
    Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );
    dst = Scalar::all(0);
    src.copyTo( dst, detected_edges);
    imshow( window_name, dst );
}
int main( int, char** argv )
{
  src = imread( argv[1], IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }
  dst.create( src.size(), src.type() );
  cvtColor( src, src_gray, COLOR_BGR2GRAY );
  namedWindow( window_name, WINDOW_AUTOSIZE );
  createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );
  CannyThreshold(0, 0);
  waitKey(0);
  return 0;
}

3.代码分析
分析代码一般从主函数开始，请先忽略上面的那些定义的变量。我们直接到主函数开始。

int main( int, char** argv )
{
  src = imread( argv[1], IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }
  dst.create( src.size(), src.type() );
  cvtColor( src, src_gray, COLOR_BGR2GRAY );
  namedWindow( window_name, WINDOW_AUTOSIZE );
  createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );
  CannyThreshold(0, 0);
  waitKey(0);
  return 0;
}

第一行读取图像来自命令行的第一个参数。
imread我的笔记中有对该函数的注解
第二行对图像的判断是否为空。
empty是用来检测函数是否为空
第三行如果为空返回错误值
第四行如果创建我们需要进行检测的照片存储地址
create函数我的笔记中也有记载。
第五行将RGB转换成灰度图
cvtcolor函数

void cv::cvtColor(
      cv::InputArray src；
      cv::OutputArray dst；
      int code；
      int dstCn = 0 ；)
     )

. InputArray src: 原图像
. OutputArray dst: 颜色空间变换后存储图像
. int code: 转换的代码或标识
. int dstCn = 0: 目标图像通道数，如果取值为0，则由src和code决定

第六行预设窗口
之前笔记中有
第七行
函数代码意义可参考
https://www.cnblogs.com/geek-hao/p/11668248.html
主要重点函数
CannyThreshold
Trackbar要控制的变量是lowThreshold，最大值为max_lowThreshold（我们先前设置为100）
每次Trackbar注册一个动作时，将调用回调函数CannyThreshold。
让我们检查CannyThreshold函数，一步一步：
首先，我们用内核大小为3的过滤器模糊图像：

  blur（src_gray，detected_edges，Size（3,3））;

然后，我们应用OpenCV函数cv :: Canny：

Canny（detected_edges，detected_edges，lowThreshold，lowThreshold * ratio，kernel_size）;

其中的解释：

detected_edges：源图像，灰度
detected_edges：检测器的输出（可以与输入相同）
lowThreshold：用户移动轨迹栏输入的值
highThreshold：在程序中设置为下限阈值的三倍（在Canny的建议之后）
kernel_size：我们将它定义为3（要在内部使用的Sobel内核的大小）
我们用零填充dst图像（意味着图像是完全黑色的）。

dst = Scalar :: all（0）;

最后，我们将使用函数cv :: Mat :: copyTo仅映射被识别为边缘的图像的区域（在黑色背景上）。cv :: Mat :: copy将src映像复制到dst上。但是，它只会复制它们具有非零值的位置中的像素。由于Canny检测器的输出是黑色背景上的边缘轮廓，因此所得到的dst在所有区域都将为黑色，但检测到的边缘为黑色。

src.copyTo（dst，detected_edges）;

我们显示结果：

   imshow（window_name，dst）;