OpenCV学习：图像边缘检测

1.OpenCV中Canny函数详解

Canny函数利用Canny算法来进行图像的边缘检测。

1. void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )  

• 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象便可，且需为单通道8位图像。
• 第二个参数，OutputArray类型的edges，输出的边缘图，须要和源图片有同样的尺寸和类型。
• 第三个参数，double类型的threshold1，第一个滞后性阈值。
• 第四个参数，double类型的threshold2，第二个滞后性阈值。
• 第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。
• 第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

    须要注意的是，这个函数阈值1和阈值2二者的小者用于边缘链接，而大者用来控制强边缘的初始段，推荐的高低阈值比在2:1到3:1之间

dem:1：

demo2：

//-----------------------------------【头文件包含部分】---------------------------------------  
//            描述：包含程序所依赖的头文件  
//----------------------------------------------------------------------------------------------  
#include <opencv2/opencv.hpp>  
#include<opencv2/highgui/highgui.hpp>  
#include<opencv2/imgproc/imgproc.hpp>  
  
//-----------------------------------【命名空间声明部分】---------------------------------------  
//            描述：包含程序所使用的命名空间  
//-----------------------------------------------------------------------------------------------  
using namespace cv;  
//-----------------------------------【main( )函数】--------------------------------------------  
//            描述：控制台应用程序的入口函数，咱们的程序从这里开始  
//-----------------------------------------------------------------------------------------------  
int main( )  
{  
    //载入原始图    
    Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  
    Mat src1=src.clone();  
  
    //显示原始图   
    imshow("【原始图】Canny边缘检测", src);   
  
    //----------------------------------------------------------------------------------  
    //  1、最简单的canny用法，拿到原图后直接用。  
    //----------------------------------------------------------------------------------  
    Canny( src, src, 150, 100,3 );  
    imshow("【效果图】Canny边缘检测", src);   
  
      
    //----------------------------------------------------------------------------------  
    //  2、高阶的canny用法，转成灰度图，降噪，用canny，最后将获得的边缘做为掩码，拷贝原图到效果图上，获得彩色的边缘图  
    //----------------------------------------------------------------------------------  
    Mat dst,edge,gray;  
  
    // 【1】建立与src同类型和大小的矩阵(dst)  
    dst.create( src1.size(), src1.type() );  
  
    // 【2】将原图像转换为灰度图像  
    cvtColor( src1, gray, CV_BGR2GRAY );  
  
    // 【3】先用使用 3x3内核来降噪  
    blur( gray, edge, Size(3,3) );  
  
    // 【4】运行Canny算子  
    Canny( edge, edge, 3, 9,3 );  
  
    //【5】将g_dstImage内的全部元素设置为0   
    dst = Scalar::all(0);  
  
    //【6】使用Canny算子输出的边缘图g_cannyDetectedEdges做为掩码，来将原图g_srcImage拷到目标图g_dstImage中  
    src1.copyTo( dst, edge);  
  
    //【7】显示效果图   
    imshow("【效果图】Canny边缘检测2", dst);   
  
  
    waitKey(0);   
  
    return 0;   
}

 

2. sobel算子相关理论与概念讲解

Sobel函数使用扩展的 Sobel 算子，来计算一阶、二阶、三阶或混合图像差分

C++: void Sobel (  
InputArray src,//输入图  
 OutputArray dst,//输出图  
 int ddepth,//输出图像的深度  
 int dx,  
 int dy,  
 int ksize=3,  
 double scale=1,  
 double delta=0,  
 int borderType=BORDER_DEFAULT );

• 第一个参数，InputArray 类型的src，为输入图像，填Mat类型便可。
• 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，须要和源图片有同样的尺寸和类型。
• 第三个参数，int类型的ddepth，输出图像的深度，支持以下src.depth()和ddepth的组合：

• • 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

• 第四个参数，int类型dx，x 方向上的差分阶数。
• 第五个参数，int类型dy，y方向上的差分阶数。
• 第六个参数，int类型ksize，有默认值3，表示Sobel核的大小;必须取1，3，5或7。
• 第七个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认状况下是没有应用缩放的。咱们能够在文档中查阅getDerivKernels的相关介绍，来获得这个参数的更多信息。
• 第八个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）以前可选的delta值，有默认值0。
• 第九个参数， int类型的borderType，咱们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数能够在官方文档中borderInterpolate处获得更详细的信息。

 

 

通常状况下，都是用ksize x ksize内核来计算导数的。然而，有一种特殊状况——当ksize为1时，每每会使用3 x 1或者1 x 3的内核。且这种状况下，并无进行高斯平滑操做。

demo1：

调用Sobel函数的实例代码以下。这里只是教你们如何使用Sobel函数，就没有先用一句cvtColor将原图;转化为灰度图，而是直接用彩色图操做。

//-----------------------------------【头文件包含部分】---------------------------------------  
//            描述：包含程序所依赖的头文件  
//----------------------------------------------------------------------------------------------  
#include <opencv2/opencv.hpp>  
#include<opencv2/highgui/highgui.hpp>  
#include<opencv2/imgproc/imgproc.hpp>  
  
//-----------------------------------【命名空间声明部分】---------------------------------------  
//            描述：包含程序所使用的命名空间  
//-----------------------------------------------------------------------------------------------  
using namespace cv;  
//-----------------------------------【main( )函数】--------------------------------------------  
//            描述：控制台应用程序的入口函数，咱们的程序从这里开始  
//-----------------------------------------------------------------------------------------------  
int main( )  
{  
    //【0】建立 grad_x 和 grad_y 矩阵  
    Mat grad_x, grad_y;  
    Mat abs_grad_x, abs_grad_y,dst;  
  
    //【1】载入原始图    
    Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  
  
    //【2】显示原始图   
    imshow("【原始图】sobel边缘检测", src);   
  
    //【3】求 X方向梯度  
    Sobel( src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );  
    convertScaleAbs( grad_x, abs_grad_x );  
    imshow("【效果图】 X方向Sobel", abs_grad_x);   
  
    //【4】求Y方向梯度  
    Sobel( src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );  
    convertScaleAbs( grad_y, abs_grad_y );  
    imshow("【效果图】Y方向Sobel", abs_grad_y);   
  
    //【5】合并梯度(近似)  
    addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );  
    imshow("【效果图】总体方向Sobel", dst);   
  
    waitKey(0);   
    return 0;   
}

 

3. Laplace算子相关理论与概念讲解

C++: void Laplacian(InputArray src,OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, intborderType=BORDER_DEFAULT );

• 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象便可，且需为单通道8位图像。
• 第二个参数，OutputArray类型的edges，输出的边缘图，须要和源图片有同样的尺寸和通道数。
• 第三个参数，int类型的ddept，目标图像的深度。
• 第四个参数，int类型的ksize，用于计算二阶导数的滤波器的孔径尺寸，大小必须为正奇数，且有默认值1。
• 第五个参数，double类型的scale，计算拉普拉斯值的时候可选的比例因子，有默认值1。
• 第六个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）以前可选的delta值，有默认值0。
• 第七个参数， int类型的borderType，边界模式，默认值为BORDER_DEFAULT。这个参数能够在官方文档中borderInterpolate()处获得更详细的信息。

Laplacian( )函数其实主要是利用sobel算子的运算。它经过加上sobel算子运算出的图像x方向和y方向上的导数，来获得咱们载入图像的拉普拉斯变换结果。

demo1：

//-----------------------------------【头文件包含部分】---------------------------------------  
//            描述：包含程序所依赖的头文件  
//----------------------------------------------------------------------------------------------  
#include <opencv2/opencv.hpp>  
#include<opencv2/highgui/highgui.hpp>  
#include<opencv2/imgproc/imgproc.hpp>  
  
//-----------------------------------【命名空间声明部分】---------------------------------------  
//            描述：包含程序所使用的命名空间  
//-----------------------------------------------------------------------------------------------  
using namespace cv;  
  
  
//-----------------------------------【main( )函数】--------------------------------------------  
//            描述：控制台应用程序的入口函数，咱们的程序从这里开始  
//-----------------------------------------------------------------------------------------------  
int main( )  
{  
    //【0】变量的定义  
    Mat src,src_gray,dst, abs_dst;  
  
    //【1】载入原始图    
    src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  
  
    //【2】显示原始图   
    imshow("【原始图】图像Laplace变换", src);   
  
    //【3】使用高斯滤波消除噪声  
    GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );  
  
    //【4】转换为灰度图  
    cvtColor( src, src_gray, CV_RGB2GRAY );  
  
    //【5】使用Laplace函数  
    Laplacian( src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT );  
  
    //【6】计算绝对值，并将结果转换成8位  
    convertScaleAbs( dst, abs_dst );  
  
    //【7】显示效果图  
    imshow( "【效果图】图像Laplace变换", abs_dst );  
  
    waitKey(0);   
  
    return 0;   
}

 

 

4.综合代码汇总

//-----------------------------------【程序说明】----------------------------------------------  
//      程序名称:：《【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑合辑》 博文配套源码   
//      开发所用IDE版本：Visual Studio 2010  
//      <span style="white-space:pre">  </span>开发所用OpenCV版本：    2.4.9  
//      2014年5月11日 Create by 浅墨  
//      浅墨的微博：@浅墨_毛星云 http://weibo.com/1723155442/profile?topnav=1&wvr=5&user=1  
//      浅墨的知乎：http://www.zhihu.com/people/mao-xing-yun  
//      浅墨的豆瓣：http://www.douban.com/people/53426472/  
//----------------------------------------------------------------------------------------------  
  
  
  
//-----------------------------------【头文件包含部分】---------------------------------------  
//      描述：包含程序所依赖的头文件  
//----------------------------------------------------------------------------------------------   
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  
  
//-----------------------------------【命名空间声明部分】--------------------------------------  
//      描述：包含程序所使用的命名空间  
//-----------------------------------------------------------------------------------------------   
using namespace cv;  
  
  
//-----------------------------------【全局变量声明部分】--------------------------------------  
//      描述：全局变量声明  
//-----------------------------------------------------------------------------------------------  
//原图，原图的灰度版，目标图  
Mat g_srcImage, g_srcGrayImage,g_dstImage;  
  
//Canny边缘检测相关变量  
Mat g_cannyDetectedEdges;  
int g_cannyLowThreshold=1;//TrackBar位置参数    
  
//Sobel边缘检测相关变量  
Mat g_sobelGradient_X, g_sobelGradient_Y;  
Mat g_sobelAbsGradient_X, g_sobelAbsGradient_Y;  
int g_sobelKernelSize=1;//TrackBar位置参数    
  
//Scharr滤波器相关变量  
Mat g_scharrGradient_X, g_scharrGradient_Y;  
Mat g_scharrAbsGradient_X, g_scharrAbsGradient_Y;  
  
  
//-----------------------------------【全局函数声明部分】--------------------------------------  
//      描述：全局函数声明  
//-----------------------------------------------------------------------------------------------  
static void ShowHelpText( );  
static void on_Canny(int, void*);//Canny边缘检测窗口滚动条的回调函数  
static void on_Sobel(int, void*);//Sobel边缘检测窗口滚动条的回调函数  
void Scharr( );//封装了Scharr边缘检测相关代码的函数  
  
  
//-----------------------------------【main( )函数】--------------------------------------------  
//      描述：控制台应用程序的入口函数，咱们的程序从这里开始  
//-----------------------------------------------------------------------------------------------  
int main( int argc, char** argv )  
{  
    //改变console字体颜色  
    system("color 2F");    
  
    //显示欢迎语  
    ShowHelpText();  
  
    //载入原图  
    g_srcImage = imread("1.jpg");  
    if( !g_srcImage.data ) { printf("Oh，no，读取srcImage错误~！ \n"); return false; }  
  
    //显示原始图  
    namedWindow("【原始图】");  
    imshow("【原始图】", g_srcImage);  
  
    // 建立与src同类型和大小的矩阵(dst)  
    g_dstImage.create( g_srcImage.size(), g_srcImage.type() );  
  
    // 将原图像转换为灰度图像  
    cvtColor( g_srcImage, g_srcGrayImage, CV_BGR2GRAY );  
  
    // 建立显示窗口  
    namedWindow( "【效果图】Canny边缘检测", CV_WINDOW_AUTOSIZE );  
    namedWindow( "【效果图】Sobel边缘检测", CV_WINDOW_AUTOSIZE );  
  
    // 建立trackbar  
    createTrackbar( "参数值：", "【效果图】Canny边缘检测", &g_cannyLowThreshold, 120, on_Canny );  
    createTrackbar( "参数值：", "【效果图】Sobel边缘检测", &g_sobelKernelSize, 3, on_Sobel );  
  
    // 调用回调函数  
    on_Canny(0, 0);  
    on_Sobel(0, 0);  
  
    //调用封装了Scharr边缘检测代码的函数  
    Scharr( );  
  
    //轮询获取按键信息，若按下Q，程序退出  
    while((char(waitKey(1)) != 'q')) {}  
  
    return 0;  
}  
  
  
//-----------------------------------【ShowHelpText( )函数】----------------------------------  
//      描述：输出一些帮助信息  
//----------------------------------------------------------------------------------------------  
static void ShowHelpText()  
{  
    //输出一些帮助信息  
    printf( "\n\n\t嗯。运行成功，请调整滚动条观察图像效果~\n\n"  
        "\t按下“q”键时，程序退出~!\n"  
        "\n\n\t\t\t\t by浅墨" );  
}  
  
  
//-----------------------------------【on_Canny( )函数】----------------------------------  
//      描述：Canny边缘检测窗口滚动条的回调函数  
//-----------------------------------------------------------------------------------------------  
void on_Canny(int, void*)  
{  
    // 先使用 3x3内核来降噪  
    blur( g_srcGrayImage, g_cannyDetectedEdges, Size(3,3) );  
  
    // 运行咱们的Canny算子  
    Canny( g_cannyDetectedEdges, g_cannyDetectedEdges, g_cannyLowThreshold, g_cannyLowThreshold*3, 3 );  
  
    //先将g_dstImage内的全部元素设置为0   
    g_dstImage = Scalar::all(0);  
  
    //使用Canny算子输出的边缘图g_cannyDetectedEdges做为掩码，来将原图g_srcImage拷到目标图g_dstImage中  
    g_srcImage.copyTo( g_dstImage, g_cannyDetectedEdges);  
  
    //显示效果图  
    imshow( "【效果图】Canny边缘检测", g_dstImage );  
}  
  
  
  
//-----------------------------------【on_Sobel( )函数】----------------------------------  
//      描述：Sobel边缘检测窗口滚动条的回调函数  
//-----------------------------------------------------------------------------------------  
void on_Sobel(int, void*)  
{  
    // 求 X方向梯度  
    Sobel( g_srcImage, g_sobelGradient_X, CV_16S, 1, 0, (2*g_sobelKernelSize+1), 1, 1, BORDER_DEFAULT );  
    convertScaleAbs( g_sobelGradient_X, g_sobelAbsGradient_X );//计算绝对值，并将结果转换成8位  
  
    // 求Y方向梯度  
    Sobel( g_srcImage, g_sobelGradient_Y, CV_16S, 0, 1, (2*g_sobelKernelSize+1), 1, 1, BORDER_DEFAULT );  
    convertScaleAbs( g_sobelGradient_Y, g_sobelAbsGradient_Y );//计算绝对值，并将结果转换成8位  
  
    // 合并梯度  
    addWeighted( g_sobelAbsGradient_X, 0.5, g_sobelAbsGradient_Y, 0.5, 0, g_dstImage );  
  
    //显示效果图  
    imshow("【效果图】Sobel边缘检测", g_dstImage);   
  
}  
  
  
//-----------------------------------【Scharr( )函数】----------------------------------  
//      描述：封装了Scharr边缘检测相关代码的函数  
//-----------------------------------------------------------------------------------------  
void Scharr( )  
{  
    // 求 X方向梯度  
    Scharr( g_srcImage, g_scharrGradient_X, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT );  
    convertScaleAbs( g_scharrGradient_X, g_scharrAbsGradient_X );//计算绝对值，并将结果转换成8位  
  
    // 求Y方向梯度  
    Scharr( g_srcImage, g_scharrGradient_Y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT );  
    convertScaleAbs( g_scharrGradient_Y, g_scharrAbsGradient_Y );//计算绝对值，并将结果转换成8位  
  
    // 合并梯度  
    addWeighted( g_scharrAbsGradient_X, 0.5, g_scharrAbsGradient_Y, 0.5, 0, g_dstImage );  
  
    //显示效果图  
    imshow("【效果图】Scharr滤波器", g_dstImage);   
}

 

参考：https://blog.csdn.net/poem_qianmo/article/details/25560901