OpenCV 3.1.0 SVM輪廓特徵的提取和分類 I

版權聲明：本文爲博主原創文章，未經博主允許不得轉載。 https://blog.csdn.net/PinkRiverside/article/details/72604326

提取輪廓
Canny邊緣檢測算子是John F. Canny於 1986 年開發出來的一個多級邊緣檢測算法。更爲重要的是 Canny 創立了邊緣檢測計算理論（Computational theory of edge detection）解釋這項技術如何工作。

Canny 的目標是找到一個最優的邊緣檢測算法，最優邊緣檢測的含義是： 好的檢測- 算法能夠儘可能多地標識出圖像中的實際邊緣。 好的定位- 標識出的邊緣要儘可能與實際圖像中的實際邊緣儘可能接近。 最小響應- 圖像中的邊緣只能標識一次，並且可能存在的圖像噪聲不應標識爲邊緣。 爲了滿足這些要求 Canny 使用了變分法，這是一種尋找滿足特定功能的函數的方法。最優檢測使用四個指數函數項的和表示，但是它非常近似於高斯函數的一階導數。

Canny 算法包含許多可以調整的參數，它們將影響到算法的計算的時間與實效。
高斯濾波器的大小：第一步所用的平滑濾波器將會直接影響 Canny 算法的結果。較小的濾波器產生的模糊效果也較少，這樣就可以檢測較小、變化明顯的細線。較大的濾波器產生的模糊效果也較多，將較大的一塊圖像區域塗成一個特定點的顏色值。這樣帶來的結果就是對於檢測較大、平滑的邊緣更加有用，例如彩虹的邊緣。
閾值：使用兩個閾值比使用一個閾值更加靈活，但是它還是有閾值存在的共性問題。設置的閾值過高，可能會漏掉重要信息；閾值過低，將會把枝節信息看得很重要。很難給出一個適用於所有圖像的通用閾值。目前還沒有一個經過驗證的實現方法。

#include <opencv2\opencv.hpp>  
#include <iostream>
using namespace std;
using namespace cv;
using namespace std;

int main(){

    Mat srcImage = imread("banana0.jpg"); 
    imshow("banana0原始圖", srcImage); 
    Mat dstImage, edge, grayImage;  


    dstImage.create(srcImage.size(), srcImage.type());

    //轉換爲灰度圖像  
    cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);

    //使用 3x3內核來降噪  
    blur(grayImage, edge, Size(13,13));

    Canny(edge, edge, 5,20, 3);

    imshow("邊緣檢測", edge);

    waitKey(0);

    return 0;

}

使用該方法提取所有輪廓並存儲在對應文件夾中

#include <opencv2\opencv.hpp>  
#include <iostream>
using namespace std;
using namespace cv;
using namespace std;

int main(){

    for (int i = 0; i < 5; i++){
        char srcname[20];
        sprintf(srcname, "apple/apple%d.jpg",i);
        char desname[20];
        sprintf(desname, "appleCanny/apple%d.jpg", i);
        Mat srcImage = imread(srcname);
        //imshow("banana0原始圖", srcImage);
        Mat dstImage, edge, grayImage;


        dstImage.create(srcImage.size(), srcImage.type());

        //轉換爲灰度圖像  
        cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);

        ////使用 3x3內核來降噪  
        blur(grayImage, edge, Size(5, 5));

        Canny(edge, edge, 15,35, 3);

        imwrite(desname, edge);
    }
    for (int i = 0; i < 5; i++){
        char srcname[20];
        sprintf(srcname, "banana/banana%d.jpg", i);
        char desname[20];
        sprintf(desname, "bananaCanny/banana%d.jpg", i);
        Mat srcImage = imread(srcname);
        //imshow("banana0原始圖", srcImage);
        Mat dstImage, edge, grayImage;


        dstImage.create(srcImage.size(), srcImage.type());

        //轉換爲灰度圖像  
        cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);

        ////使用 3x3內核來降噪  
        blur(grayImage, edge, Size(9, 9));

        Canny(edge, edge, 5, 20, 3);

        imwrite(desname, edge);
    }



    //imshow("邊緣檢測", edge);

    waitKey(0);

    return 0;

}