OpenCV_mechanisms of Canny operator(Canny算子检测图像边缘)

秒速五厘米 2022-02-25 13:16 329阅读 0赞

**目录**

一.介绍

1.函数原型

2. 原理与步骤：

1). 消除噪声: gaussian

2). 计算梯度幅值和方向: sobel算子

3). 进行非极大值抑制

4). 滞后阈值，筛选边缘。

二. 代码测试

main.cpp

testFuntion.h

testFuntion.cpp

三. 运行结果

--------------------

# 一.介绍 #

## 1.函数原型 ##

对应opencv中：cv:Canny imgproc.hpp

@param image 8-bit input image.

@param edges output edge map; single channels **8-bit image**, which has the same size as image .

@param threshold1 first threshold for the hysteresis procedure.

@param threshold2 second threshold for the hysteresis procedure.

@param apertureSize aperture size for the Sobel operator.

@param L2gradient a flag, indicating whether a more accurate \\f$L\_2\\f$ norm

\\f$=\\sqrt\{(dI/dx)^2 + (dI/dy)^2\}\\f$ should be used to calculate the image gradient magnitude (L2gradient=true ), or whether the default \\f$L\_1\\f$ norm \\f$=|dI/dx|+|dI/dy|\\f$ is enough (L2gradient=false )

CV\_EXPORTS\_W void Canny( InputArray image, OutputArray edges,

double threshold1, double threshold2,

int apertureSize = 3, bool L2gradient = false );

## 2. 原理与步骤： ##

###  **1). 消除噪声: gaussian** ###

一般情况下，使用高斯平滑滤波器，卷积降噪。 如 size = 5 的高斯核

![20190402084426106.png][]

###  **2). 计算梯度幅值和方向: sobel算子** ###

**Ⅰ.**运用一对卷积阵列 (分别作用于 x 和 y 方向): 按照Sobel算子进行计算梯度

![/images/20220225/e0bd6e7d5b6d4522805a8ea6b87ce9d5.png][https_img-blog.csdn.net_20140511211922328_watermark_2_text_aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcG9lbV9xaWFubW8_font_5a6L5L2T_fontsize_400_fill_I0JBQkFCMA_dissolve_70_gravity_SouthEast]

**Ⅱ.**使用下列公式计算梯度幅值和方向: 二阶偏导平和开根号 角度是反正切

![/images/20220225/729232082bd046c590340200fa794162.png][https_img-blog.csdn.net_20140707092033453_watermark_2_text_aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcG9lbV9xaWFubW8_font_5a6L5L2T_fontsize_400_fill_I0JBQkFCMA_dissolve_70_gravity_SouthEast]

###  **3). 进行非极大值抑制** ###

即求梯度方向的局部极大值，来排除非边缘像素， 仅仅保留了一些细线条(候选边缘)。

非极大值抑制原理: 在一个窗口内，如果有多个角点，则用值最大的那个角点，其他的角点都删除，比如可以通过图像的膨胀运算来达到检测极大值的目的，因为默认参数的膨胀运算就是用窗口内的最大值替代当前的灰度值。

###  **4). 滞后阈值，筛选边缘。** ###

使用了两个阈值(高阈值和低阈值):

Ⅰ. 如果某一像素的梯度小于低阈值, 该像素被排除。 //小阈值用来控制边缘连接

Ⅱ. 如果某一像素的梯度超过高阈值, 该像素被保留为边缘像素。 //大的阈值用来控制强边缘的初始分割

Ⅲ. 如果某一像素的梯度在两个阈值之间,该像素**仅仅**在连接到一个高于高阈值的像素时，被保留。

推荐的高低阈值比: 在2:1到3:1之间。或者使用直方图中像素总数的70% 30%位置的值。

# 二. 代码测试 #

# main.cpp #

#include ".\mycode\include\testFuntion.h"
    
    int main()
    {
    	test_Canny();
    
    	return 0;
    }

## testFuntion.h ##

#include <opencv2/opencv.hpp>
    
    #define  PIC_LOGO            "D://test_OpenCV//testpic//jologo.jpg"
    #define  PIC_MOUNTAIN_CITY    "D:\\test_OpenCV\\testpic\\mountain_city.jpg"
    
    #define SCALE	100		//缩放比例因子
    using namespace cv;
    
    测试Canny算子，检测图像边缘
    void test_Canny();

## testFuntion.cpp ##

void test_Canny()
    {
    	Mat srcImg = imread(PIC_LOGO);
    	Mat grayImg, dstImg, edgeImg;
    
    	namedWindow("Pic src");
    	imshow("Pic src", srcImg);
    
    	int unitSize = (srcImg.size().height > srcImg.size().width ? srcImg.size().width : srcImg.size().height)*2/ SCALE;
    	
    	cvtColor(srcImg, grayImg, COLOR_BGR2GRAY);
    	blur(grayImg, grayImg, Size(unitSize, unitSize));
    	Canny(grayImg, edgeImg, 3, 9);
    	
    	namedWindow("Pic after canny");
    	imshow("Pic after canny", edgeImg);
    
    	waitKey();
    
    }

# 三. 运行结果 #

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70][]

[20190402084426106.png]: /images/20220225/e46522c4d06746b0a6e52de9edd0a439.png
[https_img-blog.csdn.net_20140511211922328_watermark_2_text_aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcG9lbV9xaWFubW8_font_5a6L5L2T_fontsize_400_fill_I0JBQkFCMA_dissolve_70_gravity_SouthEast]: /images/20220225/e0bd6e7d5b6d4522805a8ea6b87ce9d5.png
[https_img-blog.csdn.net_20140707092033453_watermark_2_text_aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcG9lbV9xaWFubW8_font_5a6L5L2T_fontsize_400_fill_I0JBQkFCMA_dissolve_70_gravity_SouthEast]: /images/20220225/729232082bd046c590340200fa794162.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70]: /images/20220225/f101c5b993f1489e9083cd6f9e716a23.png