1、基於OpenCV的邊緣檢測步驟
- 濾波：邊緣檢測算法主要是基於圖像強度的一階和二階導數，但是導數對於噪聲很敏感，因此需要採用濾波器來改善與噪聲有關的邊緣檢測器的性能。簡言之，消除噪聲。
- 增強：增強邊緣的基礎是確定圖像各點鄰域強度的變化值。增強算法可以將灰度點鄰域強度值有顯著變化的點凸顯出來。簡言之，使邊界輪廓更加明顯。
- 檢測：鄰域中有很多的點的梯度值較大，但是在特定的應用中，這些點並不是要找的邊緣點，需要取捨。簡言之，選出邊緣點。
2、Canny算子
Canny算子是John F.Canny於1986年開發出來的一個多級邊緣檢測算法。
void Canny(InputArray image,OutputArray edges,
double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )
參數解釋：
第一個參數，InputArray類型的image，輸入圖像，即源圖像，填Mat類的對象即可，且需爲單通道8位圖像。
第二個參數，OutputArray類型的edges，輸出的邊緣圖，需要和源圖片有一樣的尺寸和類型。
第三個參數，double類型的threshold1，第一個滯後性閾值。
第四個參數，double類型的threshold2，第二個滯後性閾值。
第五個參數，int類型的apertureSize，表示應用Sobel算子的孔徑大小，其有默認值3。
第六個參數，bool類型的L2gradient，一個計算圖像梯度幅值的標識，有默認值false。
需要注意的是，這個函數閾值1和閾值2兩者的小者用於邊緣連接，而大者用來控制強邊緣的初始段，推薦的高低閾值比在2:1到3:1之間。
#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("C:\\Users\\cf\\Desktop\\測試數據\\test00.jpg");
cout << img.size() << endl;
imshow("原圖",img);
Mat dst,edge,gray;
//創建與img同類型和大小的矩陣
dst.create(img.size(), img.type());
//轉灰度圖像
cvtColor(img, gray, COLOR_BGR2GRAY);
//3*3 內核降噪（均值濾波）
blur(gray, edge, Size(3, 3));
//使用canny算子
Canny(edge, edge, 3, 9, 3);
imshow("Canny邊緣檢測", edge);
//將dst內所有元素清0
dst = Scalar::all(0);
img.copyTo(dst, edge);
imshow("Canny邊緣檢測效果", dst);
waitKey();
return 0;
}
3、Sobel算子
Sobel算子是一個主要用於邊緣檢測的離散微分算子(discrete differentiation operator)，它結合高斯平滑和微分求導。用來計算圖像灰度函數的近似函數。
void Sobel (
InputArray src,//輸入圖 OutputArray dst,//輸出圖
int ddepth,//輸出圖像的深度 int dx, int dy, int ksize=3,
double scale=1, double delta=0, int borderType=BORDER_DEFAULT );
參數解釋：
第一個參數，InputArray 類型的src，爲輸入圖像，填Mat類型即可。
第二個參數，OutputArray類型的dst，即目標圖像，函數的輸出參數，需要和源圖片有一樣的尺寸和類型。
第三個參數，int類型的ddepth，輸出圖像的深度，支持如下src.depth()和ddepth的組合：
若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_64F, 取ddepth = -1/CV_64F
第四個參數，int類型dx，x 方向上的差分階數。
第五個參數，int類型dy，y方向上的差分階數。
第六個參數，int類型ksize，有默認值3，表示Sobel核的大小;必須取1，3，5或7。
第七個參數，double類型的scale，計算導數值時可選的縮放因子，默認值是1，表示默認情況下是沒有應用縮放的。我們可以在文檔中查閱getDerivKernels的相關介紹，來得到這個參數的更多信息。
第八個參數，double類型的delta，表示在結果存入目標圖（第二個參數dst）之前可選的delta值，有默認值0。
第九個參數， int類型的borderType，我們的老朋友了（萬年是最後一個參數），邊界模式，默認值爲BORDER_DEFAULT。這個參數可以在官方文檔中borderInterpolate處得到更詳細的信息。
#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("C:\\Users\\cf\\Desktop\\測試數據\\test00.jpg");
cout << img.size() << endl;
imshow("原圖",img);
Mat grad_x, grad_y;
Mat abs_grad_x, abs_grad_y, dst;
//求x方向的梯度
Sobel(img, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);
convertScaleAbs(grad_x, abs_grad_x);
imshow("x方向Sobel", abs_grad_x);
//求y方向的梯度
Sobel(img, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);
convertScaleAbs(grad_y, abs_grad_y);
imshow("y方向Sobel", abs_grad_y);
//合併梯度（近似）
addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
imshow("整體效果圖", dst);
waitKey();
return 0;
}
4、Laplacian算子
Laplacian算子是n維歐幾里得空間中的一個二階微分算子。
void Laplacian(InputArray src,OutputArray dst,
int ddepth, int ksize=1, double scale=1,
double delta=0, intborderType=BORDER_DEFAULT );
參數解釋：
第一個參數，InputArray類型的image，輸入圖像，即源圖像，填Mat類的對象即可，且需爲單通道8位圖像。
第二個參數，OutputArray類型的edges，輸出的邊緣圖，需要和源圖片有一樣的尺寸和通道數。
第三個參數，int類型的ddept，目標圖像的深度。
第四個參數，int類型的ksize，用於計算二階導數的濾波器的孔徑尺寸，大小必須爲正奇數，且有默認值1。
第五個參數，double類型的scale，計算拉普拉斯值的時候可選的比例因子，有默認值1。
第六個參數，double類型的delta，表示在結果存入目標圖（第二個參數dst）之前可選的delta值，有默認值0。
第七個參數， int類型的borderType，邊界模式，默認值爲BORDER_DEFAULT。這個參數可以在官方文檔中borderInterpolate()處得到更詳細的信息。
Laplacian( )函數其實主要是利用sobel算子的運算。它通過加上sobel算子運算出的圖像x方向和y方向上的導數，來得到我們載入圖像的拉普拉斯變換結果。
#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("C:\\Users\\cf\\Desktop\\測試數據\\test00.jpg");
cout << img.size() << endl;
imshow("原圖",img);
Mat gray, dst, abs_dst;
//使用高斯濾波消除噪聲
GaussianBlur(img, img, Size(3, 3), 0, 0, BORDER_DEFAULT);
//轉爲灰度圖
cvtColor(img, gray, COLOR_BGR2GRAY);
//使用Laplace函數
Laplacian(gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT);
convertScaleAbs(dst, abs_dst);
imshow("Laplacian效果圖", abs_dst);
waitKey();
return 0;
}
5、scharr濾波器
scharr一般我就直接稱它爲濾波器，而不是算子。
void Scharr( InputArray src, OutputArray dst, int ddepth, int dx, int dy,
double scale=1, double delta=0, intborderType=BORDER_DEFAULT )
參數詳解：
第一個參數，InputArray 類型的src，爲輸入圖像，填Mat類型即可。
第二個參數，OutputArray類型的dst，即目標圖像，函數的輸出參數，需要和源圖片有一樣的尺寸和類型。
第三個參數，int類型的ddepth，輸出圖像的深度，支持如下src.depth()和ddepth的組合：
若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_64F, 取ddepth = -1/CV_64F
第四個參數，int類型dx，x方向上的差分階數。
第五個參數，int類型dy，y方向上的差分階數。
第六個參數，double類型的scale，計算導數值時可選的縮放因子，默認值是1，表示默認情況下是沒有應用縮放的。我們可以在文檔中查閱getDerivKernels的相關介紹，來得到這個參數的更多信息。
第七個參數，double類型的delta，表示在結果存入目標圖（第二個參數dst）之前可選的delta值，有默認值0。
第八個參數， int類型的borderType，我們的老朋友了（萬年是最後一個參數），邊界模式，默認值爲BORDER_DEFAULT。這個參數可以在官方文檔中borderInterpolate處得到更詳細的信息。
#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("C:\\Users\\cf\\Desktop\\測試數據\\test00.jpg");
cout << img.size() << endl;
imshow("原圖",img);
Mat grad_x, grad_y;
Mat abs_grad_x, abs_grad_y, dst;
//求x方向的梯度
Scharr(img, grad_x, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);
convertScaleAbs(grad_x, abs_grad_x);
imshow("X方向Scharr", abs_grad_x);
//求y方向的梯度
Scharr(img, grad_y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);
convertScaleAbs(grad_y, abs_grad_y);
imshow("Y方向Scharr", abs_grad_y);
//合併梯度
addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
imshow("Scharr效果圖", dst);
waitKey();
return 0;
}
6、參考
https://blog.csdn.net/weixin_40647819/article/details/80029858