OpenCV 如何实现边缘检测器

本文主要是介绍OpenCV 如何实现边缘检测器，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！

返回:OpenCV系列文章目录（持续更新中......）

上一篇：OpenCV如何实现拉普拉斯算子的离散模拟

下一篇 :OpenCV系列文章目录（持续更新中......）

目标

在本教程中，您将学习如何：

使用 OpenCV 函数 cv::Canny 实现 Canny 边缘检测器。

理论

Canny Edge探测器[48]由John F. Canny于1986年开发。Canny 算法也被许多人称为最佳检测器，旨在满足三个主要标准：

低错误率：这意味着仅对现有边缘的良好检测。
良好的本地化：必须最小化检测到的边缘像素与实际边缘像素之间的距离。
最小响应：每个边沿只有一个检测器响应。

步骤

过滤掉任何噪音。高斯滤波器用于此目的。可能使用的(size = 5)高斯核示例如下所示：

找到图像的强度渐变。为此，我们遵循类似于 Sobel 的过程：

a).应用一对卷积掩码在 x 和y 方向上：

编辑

b).通过以下方式找到梯度强度和方向：:

编辑

方向四舍五入为四个可能的角度之一（即 0、45、90 或 135）
应用非最大抑制。这将删除不被视为边的一部分的像素。因此，将只保留细线（候选边）。
滞后：最后一步。Canny 确实使用两个阈值（上限和下限）：
1. 如果像素渐变高于上限阈值，则该像素被接受为边缘
2. 如果像素渐变值低于下限阈值，则将拒绝该值。
3. 如果像素渐变介于两个阈值之间，则仅当它连接到高于上限阈值的像素时，才会被接受。
Canny 建议在 2：1 和 3：1 之间使用上下比例。
有关更多详细信息，您可以随时查阅您最喜欢的计算机视觉书籍。

1、C++代码演示：

教程代码如下所示。您也可以从这里下载

#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>using namespace cv;Mat src, src_gray;
Mat dst, detected_edges;int lowThreshold = 0;
const int max_lowThreshold = 100;
const int ratio = 3;
const 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 argc, char** argv )
{CommandLineParser parser( argc, argv, "{@input | fruits.jpg | input image}" );src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR ); // Load an imageif( src.empty() ){std::cout << "Could not open or find the image!\n" << std::endl;std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;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;
}

这个程序是做什么的？
- 要求用户输入一个数值来设置我们的 Canny Edge Detector 的下限阈值（通过跟踪栏）。
- 应用 Canny Detector 并生成蒙版（亮线表示黑色背景上的边缘）。
- 应用在原始图像上获取的蒙版并将其显示在窗口中。

创建一些需要的变量：

2、说明（C++ 代码）

Mat src, src_gray;
Mat dst, detected_edges;int lowThreshold = 0;
const int max_lowThreshold = 100;
const int ratio = 3;
const int kernel_size = 3;
const char* window_name = "Edge Map";

请注意以下事项：
1. 我们建立了 3：1 的下限：上限阈值（具有可变比率）。
2. 我们将内核大小设置为（用于由 Canny 函数在内部执行的 Sobel 操作）。3
3. 我们为的下限阈值设置了最大值。100
加载源图像：

 CommandLineParser parser( argc, argv, "{@input | fruits.jpg | input image}" );src = i mread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR ); // Load an imageif( src.empty() ){std::cout << "Could not open or find the image!\n" << std::endl;std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;return -1;}

创建一个与 src 类型和大小相同的矩阵（待 dst）：
```
 dst.create( src.size(), src.type() );
```
将图像转换为灰度（使用函数 cv::cvtColor ）：
```
 cvtColor( src, src_gray, COLOR_BGR2GRAY );
```

创建一个窗口来显示结果：

 namedWindow( window_name, WINDOW_AUTOSIZE );

为用户创建一个跟踪栏，以输入我们的 Canny 检测器的下限:

 createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );

请注意以下事项：
1. 要由 Trackbar 控制的变量是 lowThreshold，限制为 max_lowThreshold（我们之前将其设置为 100）
2. 每次 Trackbar 注册操作时，都会调用回调函数 CannyThreshold。
让我们一步一步地检查 CannyThreshold 函数：

a、首先，我们用内核大小为 3 的过滤器对图像进行模糊处理

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

b、其次，我们应用 OpenCV 函数 cv::Canny

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

其中参数为：
- detected_edges：源图像、灰度
- detected_edges：检测器输出（可与输入相同）
- lowThreshold：用户移动跟踪栏时输入的值
- highThreshold：在程序中设置为下限的三倍（遵循 Canny 的建议）
- kernel_size：我们将其定义为 3（内部使用的 Sobel 内核的大小）

7、我们用零填充目标图像（表示图像完全是黑色的）。

 dst = Scalar::all(0);

8、最后，我们将使用函数 cv::Mat::copyTo 仅映射图像中标识为边缘的区域（在黑色背景上）。cv::Mat::copy将 src 映像复制到 dst 上。但是，它只会复制像素具有非零值的位置。由于 Canny 检测器的输出是黑色背景上的边缘轮廓，因此生成的 dst 在除检测到的边缘之外的所有区域都将是黑色的。