canny算子实现

2024-03-11 02:18
文章标签 实现 canny 算子

本文主要是介绍canny算子实现，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

原理：
在这里插入图片描述

在这里插入图片描述在这里插入图片描述
在这里插入图片描述
实现：

/*** @description:	计算阶乘* @param n			自然数* @return			阶乘*/
int factorial(int n)
{int fac = 1;if (n == 0)	return fac;for (int i = 1; i <= n; ++i)	fac *= i;return fac;
}/*** @description:    获得Sobel平滑算子* @param size		掩膜大小* @return			Sobel平滑算子*/
cv::Mat getSobelSmooth(int size)
{int n = size - 1;cv::Mat SobelSmoothoper = cv::Mat::zeros(size, 1, CV_32F);for (int k = 0; k <= n; k++){float *pt = SobelSmoothoper.ptr<float>(0);pt[k] = factorial(n) / (factorial(k)*factorial(n - k));}return SobelSmoothoper;
}/*** @description:   	获得Sobel差分算子* @param size		掩膜大小* @return			Sobel差分算子*/
cv::Mat getSobeldiff(int size)
{cv::Mat Sobeldiffoper = cv::Mat::zeros(cv::Size(size, 1), CV_32F);cv::Mat SobelSmooth = getSobelSmooth(size - 1);for (int k = 0; k < size; k++){if (k == 0)Sobeldiffoper.at<float>(0, k) = 1;else if (k == size - 1)Sobeldiffoper.at<float>(0, k) = -1;elseSobeldiffoper.at<float>(0, k) = SobelSmooth.at<float>(0, k) - SobelSmooth.at<float>(0, k - 1);}return Sobeldiffoper;
}/*** @description:	卷积实现* @param src		输入图像	* @param dst		输出图像* @param kernel	卷积核*/
void conv2D(cv::Mat& src, cv::Mat& dst, cv::Mat kernel)
{cv::flip(kernel, kernel, -1);cv::filter2D(src, dst, CV_32F, kernel);
}/*** @description:  	可分离卷积———先水平方向卷积，后垂直方向卷积* @param src		输入图像* @param dst		输出图像* @param kernel_X	x方向卷积* @param kernel_Y	y方向卷积*/
void sepConv2D_X_Y(cv::Mat& src, cv::Mat& dst, cv::Mat kernel_X, cv::Mat kernel_Y)
{cv::Mat dst_kernel_X;conv2D(src, dst_kernel_X, kernel_X); conv2D(dst_kernel_X, dst, kernel_Y); 
}/*** @description:  	可分离卷积———先垂直方向卷积，后水平方向卷积* @param src		输入图像* @param dst		输出图像* @param kernel_Y	y方向卷积* @param kernel_X	x方向卷积*/
void sepConv2D_Y_X(cv::Mat& src, cv::Mat& dst, cv::Mat kernel_Y, cv::Mat kernel_X)
{cv::Mat dst_kernel_Y;conv2D(src, dst_kernel_Y, kernel_Y);conv2D(dst_kernel_Y, dst, kernel_X); 
}/*** @description:	Sobel算子边缘检测* @param src		输入图像* @param dst		输出图像* @param dst_X		x方向边缘* @param dst_Y		y方向边缘* @param size		掩膜大小*/
void sobel(cv::Mat& src, cv::Mat& dst, cv::Mat& dst_X, cv::Mat& dst_Y, int size)
{cv::Mat SobelSmoothoper = getSobelSmooth(size);cv::Mat Sobeldiffoper = getSobeldiff(size);    sepConv2D_X_Y(src, dst_Y, SobelSmoothoper, Sobeldiffoper.t()); sepConv2D_Y_X(src, dst_X, SobelSmoothoper.t(), Sobeldiffoper); dst = abs(dst_X) + abs(dst_Y);convertScaleAbs(dst, dst);
}/*** @description:  	确定一个点的坐标是否在图像内* @param r			点的行坐标* @param c			点的列坐标* @param rows		图像行数* @param cols		图像列数* @return			点的坐标是否在图像内*/
bool checkInRange(int r, int c, int rows, int cols) 
{if (r >= 0 && r < rows && c >= 0 && c < cols)return true;elsereturn false;
}/*** @description:			从确定边缘点出发，延长边缘* @param edgeMag_noMaxsup	未经过极大值抑制的边缘强度* @param edge				图像边缘* @param Th				灰度阈值* @param r					点的行坐标* @param c					点的列坐标* @param rows				图像行数* @param cols				图像列数*/
void trace(cv::Mat &edgeMag_noMaxsup, cv::Mat &edge, float Th, int r, int c, int rows, int cols)
{if (edge.at<uchar>(r, c) == 0){for (int i = -1; i <= 1; ++i){for (int j = -1; j <= 1; ++j){if (checkInRange(r + i, c + j, rows, cols) && edgeMag_noMaxsup.at<float>(r + i, c + j) > Th)edge.at<uchar>(r, c) = 255;}}}
}/*** @description:		Canny边缘检测* @param src			输入图像* @param dst			输出图像* @param Tl			低灰度阈值* @param Th			高灰度阈值* @param ksize			sobel算子掩膜大小* @param L2graydient	是否使用L2灰度梯度*/
void canny(cv::Mat &src, cv::Mat &dst, float Tl, float Th, int ksize = 3, bool L2graydient = false)
{cv::GaussianBlur(src, src, cv::Size(3, 3), 0);cv::Mat dx, dy, sobel_dst;sobel(src, sobel_dst, dx, dy, ksize);cv::Mat edgeMag;if (L2graydient)magnitude(dx, dy, edgeMag);  elseedgeMag = abs(dx) + abs(dy); cv::Mat edgeMag_noMaxsup = cv::Mat::zeros(src.size(), CV_32F);for (int i = 1; i < src.rows - 1; ++i){for (int j = 1; j < src.cols - 1; ++j) {float angle =  atan2f(dy.at<float>(i, j), dx.at<float>(i, j)) / CV_PI * 180; float cur = edgeMag.at<float>(i, j);  if (abs(angle) < 22.5 || abs(angle) > 157.5){float left = edgeMag.at<float>(i, j - 1);float right = edgeMag.at<float>(i, j + 1);if (cur >= left && cur >= right)edgeMag_noMaxsup.at<float>(i, j) = cur;}if ((angle >= 67.5 && angle <= 112.5) || (angle >= -112.5 && angle <= -67.5)) {float top = edgeMag.at<float>(i - 1, j);float down = edgeMag.at<float>(i + 1, j);if (cur >= top && cur >= down)edgeMag_noMaxsup.at<float>(i, j) = cur;}if ((angle>112.5 && angle <= 157.5) || (angle>-67.5 && angle <= -22.5)) {float right_top = edgeMag.at<float>(i - 1, j + 1);float left_down = edgeMag.at<float>(i + 1, j - 1);if (cur >= right_top && cur >= left_down)edgeMag_noMaxsup.at<float>(i, j) = cur;}if ((angle >= 22.5 && angle < 67.5) || (angle >= -157.5 && angle < -112.5)) {float left_top = edgeMag.at<float>(i - 1, j - 1);float right_down = edgeMag.at<float>(i + 1, j + 1);if (cur >= left_top && cur >= right_down)edgeMag_noMaxsup.at<float>(i, j) = cur;}}}dst = cv::Mat::zeros(src.size(), CV_8U);for (int i = 1; i < src.rows - 1; ++i) {for (int j = 1; j < src.cols - 1; ++j) {float mag = edgeMag_noMaxsup.at<float>(i, j);if (mag > Th)dst.at<uchar>(i, j) = 255;else if (mag < Tl)dst.at<uchar>(i, j) = 0;elsetrace(edgeMag_noMaxsup, dst, Th, i, j, src.rows, src.cols);}}
}

代码传送门：https://github.com/taifyang/OpenCV-algorithm

这篇关于canny算子实现的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/796281。

相关文章

C++对象布局及多态实现探索之内存布局（整理的很多链接）

C++对象布局及多态实现探索之内存布局（整理的很多链接）

本文通过观察对象的内存布局，跟踪函数调用的汇编代码。分析了C++对象内存的布局情况，虚函数的执行方式，以及虚继承，等等 文章链接：http://dev.yesky.com/254/2191254.shtml      论C/C++函数间动态内存的传递 (2005-07-30)   当你涉及到C/C++的核心编程的时候，你会无止境地与内存管理打交道。 文章链接：http://dev.yesky
阅读更多...
通过SSH隧道实现通过远程服务器上外网

通过SSH隧道实现通过远程服务器上外网

搭建隧道 autossh -M 0 -f -D 1080 -C -N user1@remotehost##验证隧道是否生效，查看1080端口是否启动netstat -tuln | grep 1080## 测试ssh 隧道是否生效curl -x socks5h://127.0.0.1:1080 -I http://www.github.com 将autossh 设置为服务，隧道开机启动
阅读更多...
时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测

时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测

时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测 目录 时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测基本介绍程序设计参考资料 基本介绍 MATLAB实现LSTM时间序列未来多步预测-递归预测。LSTM是一种含有LSTM区块（blocks）或其他的一种类神经网络，文献或其他资料中LSTM区块可能被描述成智能网络单元，因为
阅读更多...
vue项目集成CanvasEditor实现Word在线编辑器

vue项目集成CanvasEditor实现Word在线编辑器

CanvasEditor实现Word在线编辑器 官网文档：https://hufe.club/canvas-editor-docs/guide/schema.html 源码地址：https://github.com/Hufe921/canvas-editor 前提声明： 由于CanvasEditor目前不支持vue、react 等框架开箱即用版，所以需要我们去Git下载源码，拿到其中两个主
阅读更多...
android一键分享功能部分实现

android一键分享功能部分实现

为什么叫做部分实现呢，其实是我只实现一部分的分享。如新浪微博，那还有没去实现的是微信分享。还有一部分奇怪的问题：我QQ分享跟QQ空间的分享功能，我都没配置key那些都是原本集成就有的key也可以实现分享，谁清楚的麻烦详解下。 实现分享功能我们可以去www.mob.com这个网站集成。免费的，而且还有短信验证功能。等这分享研究完后就研究下短信验证功能。 开始实现步骤（新浪分享，以下是本人自己实现
阅读更多...
基于Springboot + vue 的抗疫物质管理系统的设计与实现

基于Springboot + vue 的抗疫物质管理系统的设计与实现

目录 📚 前言 📑摘要 📑系统流程 📚 系统架构设计 📚 数据库设计 📚 系统功能的具体实现    💬 系统登录注册 系统登录 登录界面   用户添加  💬 抗疫列表展示模块     区域信息管理 添加物资详情 抗疫物资列表展示 抗疫物资申请 抗疫物资审核 ✒️ 源码实现 💖 源码获取 😁 联系方式 📚 前言 📑博客主页：
阅读更多...
探索蓝牙协议的奥秘：用ESP32实现高质量蓝牙音频传输

探索蓝牙协议的奥秘：用ESP32实现高质量蓝牙音频传输

蓝牙（Bluetooth）是一种短距离无线通信技术，广泛应用于各种电子设备之间的数据传输。自1994年由爱立信公司首次提出以来，蓝牙技术已经经历了多个版本的更新和改进。本文将详细介绍蓝牙协议，并通过一个具体的项目——使用ESP32实现蓝牙音频传输，来展示蓝牙协议的实际应用及其优点。 蓝牙协议概述 蓝牙协议栈 蓝牙协议栈是蓝牙技术的核心，定义了蓝牙设备之间如何进行通信。蓝牙协议
阅读更多...
python实现最简单循环神经网络(RNNs)

python实现最简单循环神经网络(RNNs)

Recurrent Neural Networks（RNNs） 的模型： 上图中红色部分是输入向量。文本、单词、数据都是输入，在网络里都以向量的形式进行表示。 绿色部分是隐藏向量。是加工处理过程。 蓝色部分是输出向量。 python代码表示如下： rnn = RNN()y = rnn.step(x) # x为输入向量，y为输出向量 RNNs神经网络由神经元组成， python
阅读更多...
利用Frp实现内网穿透（docker实现）

利用Frp实现内网穿透（docker实现）

文章目录 1、WSL子系统配置2、腾讯云服务器安装frps2.1、创建配置文件2.2 、创建frps容器 3、WSL2子系统Centos服务器安装frpc服务3.1、安装docker3.2、创建配置文件3.3 、创建frpc容器 4、WSL2子系统Centos服务器安装nginx服务 环境配置：一台公网服务器（腾讯云）、一台笔记本电脑、WSL子系统涉及知识：docker、Frp
阅读更多...
基于 Java 实现的智能客服聊天工具模拟场景

基于 Java 实现的智能客服聊天工具模拟场景

服务端代码 import java.io.BufferedReader;import java.io.IOException;import java.io.InputStreamReader;import java.io.PrintWriter;import java.net.ServerSocket;import java.net.Socket;public class Serv
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2