圖像處理——基于OpenCV的canny邊緣檢測

前言

邊緣檢測是處理圖像裡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，這裡把我用過的幾種邊緣檢測做個對比。

canny算子

1.OpenCV canny() C++ API

參數說明：

InputArray image：輸入圖像（8-bit）。

OutputArray edges：輸出的邊緣圖像。

double threshold：第一個滞後性門檻值

double threshold2：第二個滞後性門檻值

int apertureSize：表示應用Sobel算子的孔徑大小，預設值為3

bool L2gradient：一個計算圖像梯度幅值的辨別，預設值false

2.實作步驟（OpenCV官方文檔）

3.代碼實作

#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邊緣檢測視窗滾動條的回調函數
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());

	//灰階圖像
	cvtColor(src, gray, cv::COLOR_BGR2GRAY);

	cv::namedWindow("Canny", 0);

	//建立可調節的視窗
	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的核心進行降噪
	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.運作效果