cany邊緣檢測算法（坎尼算法）

砍尼算法是最優的邊緣檢測器

預備知識：

圖像梯度：在一幅圖像f（x,y）位置處尋找的邊緣強度和方向，所選工具就是梯度。

求取圖像梯度的方法：用模板算子：如sobel算子等，算子有方向區別，x方向算子，y方向算子

通過模板可以得到Gx(x,y),Gy(x,y)兩張與原圖像尺寸一樣的梯度圖，Gx(x,y),Gy(x,y)分表表示x,y方向的梯度圖

cany邊緣求取算法

步驟;

用高斯濾波平滑圖像（去掉細節，使大邊緣在分割後效果更明顯）；

計算梯度幅值圖像和角度賦值圖像：M(x,y)=|Gx|+|Gy|;，角度幅值圖像爲a(x,y)=arctan[Gy/Gx],(x,y)爲圖像的取值範圍爲圖像各像素點座標；

對梯度幅值圖像應用非最大抑制；

用雙魚之處理和鏈接分析來檢測並鏈接邊緣。

應用實例

#include "stdafx.h"





#include <opencv2/opencv.hpp>   
#include <opencv2/highgui.hpp>   
#include<iostream>    
#define PI 3.1415926    
#define R 150    

using namespace cv;
using namespace std;
Mat getHistImg(const MatND& hist);

int main()
{
    Mat result;//聲明一個表示圖像的變量；
    Mat gray;
    int height;
    int width;
    gray = imread("../13.jpg");
   


    Canny(gray, result, 20, 100, 3);//cany算法函數，gray爲輸入圖像，result爲輸出圖像，20爲第閾   值，100爲高閾值，3爲sobel算子尺寸
    
     

   
    imshow("1", result);
   

     waitKey(0);

}

int main()
{
    Mat image,image1, abs_image, abs_image1,result;//聲明一個表示圖像的變量；
    Mat gray;
 
    int height;
    int width;

    gray = imread("../13.jpg");
    cvtColor(gray, gray, CV_BGR2GRAY);
    medianBlur(gray, gray, 11);
    height = gray.rows;
    width = gray.cols* gray.channels();   // 列項要乘通道數  

    for (int i = 0; i< height; i++)
    {
        for (int j = 0; j< width; j++)
        {
            if (gray.at<uchar>(i, j) > 69)
                gray.at<uchar>(i, j) = 255; //- gray.at<uchar>(i, j);   // 每一個像素反轉  
            else
                gray.at<uchar>(i, j) = 0;
        }
    }
   
  
          /*用sobel算子提取邊緣*/
   
    Sobel(gray, image1, CV_8U, 0, 1, 3, 1, 0, BORDER_DEFAULT);//提取y方向的
    Sobel(gray, image, CV_8U, 1, 0, 3, 1, 0, BORDER_DEFAULT);//提取x方向的
    convertScaleAbs(image1, abs_image1);           //對提取到的梯度圖求絕對值
    convertScaleAbs(image, abs_image);
    addWeighted(abs_image1, 0.5, abs_image, 0.5, 0, result);   //求取梯度幅值圖像result
      
       
    imshow("1", result);

   
    waitKey(0);

}