【圖像識別與處理】opencv邊緣檢測的Canny算法

Canny算法主要包括4步：

1. 利用高斯算子對圖像進行平滑；
2. 由於對圖像求一階或二階導數很容易放大噪聲，將噪聲判斷爲邊緣，因此預先要做一次平滑來減少其影響，canny算法採用的是高斯算子與源圖像卷積，其中高斯算子在之前圖像濾波中有過介紹。
   找尋圖像的強度梯度； 採用Sobel算子來計算X和Y方向上的梯度值，並將它們的二範數及幾何平均值作爲梯度的強度信息，將它們和向量的夾角作爲梯度的方向信息。
3. 應用非最大抑制方式來消除誤檢；
   保留每個像素點梯度方向的極值，將模糊的邊界變得清晰，具體做法是先將梯度方向近似爲上下左右和45度方向中的一個（0，45，90，135，180，225，270，315），再比較該像素點與其梯度方向上的像素點的梯度強度，若最大則保留，否則抑制。
4. 採用雙閾值方式來判斷邊緣。
   Canny算法採用雙閾值的方法，若梯度強度大於閾值上界則必認爲是邊界，若梯度強度小於閾值下界則必然認爲不是邊界，兩者之間者需要進一步判斷，若若邊界周圍存在強邊界則認爲是邊界，不存在則認爲該弱邊界需要被抑制。
   Opencv函數

CVAPI(void) cvCanny( const CvArr* image, CvArr* edges, double threshold1, double threshold2, int aperture_size CV_DEFAULT(3) );

參數一：源圖像
參數二：輸出邊界圖像
參數三：下邊界閾值
參數四：上邊界閾值
參數五：Sobel算子的模板大小，默認爲3
注：使用canny算法需要先將源圖像轉化爲單通道圖像。

代碼如下：

IplImage *g_src, *dst;
 g_src = cvCreateImage(cvGetSize(m_ipl), IPL_DEPTH_8U, 1); 
 cvCvtColor(m_ipl, g_src, CV_RGB2GRAY); 
 dst = cvCreateImage(cvGetSize(g_src), IPL_DEPTH_8U, 1); 
 CEdit *m_edit_thre = (CEdit*)GetDlgItem(IDC_THRE); 
 CString th; 
 m_edit_thre->GetWindowTextA(th); 
 int t = atoi(th); 
 cvCanny(g_src,dst,t,t*1.2,3); 
 cvNamedWindow(_T("邊緣檢測後的圖像")); 
 cvShowImage(_T("邊緣檢測後的圖像"), dst); 
 cvReleaseImage(&g_src); 
 cvReleaseImage(&dst);