前言
邊緣檢測是處理圖像裏面的比較重要的一個概念,現在的邊緣有傳統的處理算法,也有加入深度學習的邊緣檢測算法,這裏把我用過的幾種邊緣檢測做個對比。
canny算子
1.OpenCV canny() C++ API
void Canny(InputArray image, OutputArray edges, double threshold,double threshold2,int apertureSize = 3,bool L2gradient = false)
參數說明:
InputArray image:輸入圖像(8-bit)。
OutputArray edges:輸出的邊緣圖像。
double threshold:第一個滯後性閾值
double threshold2:第二個滯後性閾值
int apertureSize:表示應用Sobel算子的孔徑大小,默認值爲3
bool L2gradient:一個計算圖像梯度幅值的標識,默認值false
2.實現步驟(OpenCV官方文檔)
3.代碼實現
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
cv::Mat src, gray, dst;
cv::Mat canny_edges;
int canny_low_threshold = 1;
//Canny邊緣檢測窗口滾動條的回調函數
static void cannyCallBack(int, void *);
int main()
{
src = cv::imread("1.jpg");
if (src.empty())
{
return -1;
}
cv::namedWindow("原圖",0);
cv::imshow("原圖", src);
dst.create(src.size(), src.type());
//灰度圖像
cvtColor(src, gray, cv::COLOR_BGR2GRAY);
cv::namedWindow("Canny", 0);
//創建可調節的窗口
cv::createTrackbar("參數值:", "Canny", &canny_low_threshold, 255, cannyCallBack);
//調用回調函數
cannyCallBack(0, 0);
cv::waitKey(0);
return 0;
}
//回調函數
void cannyCallBack(int, void *)
{
//先使用3×3的內核進行降噪
blur(gray, canny_edges, cv::Size(3, 3));
cv::Mat out;
//調用Canny算子
Canny(canny_edges, out, canny_low_threshold, canny_low_threshold * 3, 3);
dst = cv::Scalar::all(0);
src.copyTo(dst, out);
//顯示效果圖
imshow("Canny", out);
}
4.運行效果