android openCV 应用 (五)图像边缘检测

原创已于 2025-08-21 09:37:46 修改 · 1.1k 阅读

28 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #人工智能

于 2025-08-21 09:35:50 首次发布

openCV初级专栏收录该内容

6 篇文章

订阅专栏

一、边缘检测原理

边缘检测是图像处理中的一个重要步骤，它旨在识别图像中的边缘特征。边缘通常表现为灰度值的不连续或剧烈变化，这些变化可以通过微分运算来检测。边缘检测的基本思想是利用微分运算（如一阶微分和二阶微分）来捕捉图像灰度值的变化，从而识别出边缘。

边缘类型：

Step edge（阶跃边缘）：灰度突然变化
Ramp edge（斜坡边缘）：灰度逐渐变化
Roof edge（屋顶边缘）：灰度先增后减
Line edge（线边缘）：宽度为1像素或窄条边缘

二、索贝尔算子(普鲁伊特算子)

Sobel算子是一种常用的边缘检测算子，它通过计算图像在水平方向和垂直方向的梯度来检测边缘。Sobel算子的实现步骤如下：

‌步骤1‌：对图像进行高斯模糊处理，以减少噪声对边缘检测的影响。
‌步骤2‌：将图像转换为灰度图像，因为边缘检测通常在灰度图像上进行。
‌步骤3‌：使用Sobel算子计算图像在X方向和Y方向的梯度。
‌步骤4‌：将梯度值转换为绝对值，并进行归一化处理。
‌步骤5‌：合并X方向和Y方向的梯度，得到边缘图像。

以下是一个使用Sobel算子进行边缘检测的示例代码：

// 转换为灰度图像
Mat grayMat = new Mat();
Imgproc.cvtColor(imgMat, grayMat, Imgproc.COLOR_RGB2GRAY);

// 创建用于存储结果的Mat
Mat sobelX = new Mat();
Mat sobelY = new Mat();
Mat sobelEdges = new Mat();

// 使用Sobel算子计算图像的X和Y方向的梯度
Imgproc.Sobel(grayMat, sobelX, CvType.CV_16S, 1, 0, 3);
Imgproc.Sobel(grayMat, sobelY, CvType.CV_16S, 0, 1, 3);

// 合并X和Y方向的梯度，得到边缘图
Core.addWeighted(sobelX, 0.5, sobelY, 0.5, 0, sobelEdges);

// 将Mat转为Bitmap显示
Bitmap resultBitmap = Bitmap.createBitmap(sobelEdges.cols(), sobelEdges.rows(), Bitmap.Config.ARGB_8888);
Utils.matToBitmap(sobelEdges, resultBitmap);

// 显示处理后的图像
imageView.setImageBitmap(resultBitmap);

三、Scharr算子

Scharr算子是Sobel算子的一种改进，旨在提供更精确的边缘检测结果，特别是在处理图像中的细节和高频部分时。Scharr算子通过计算图像在水平和垂直方向上的一阶导数来定位边缘，它使用两个3x3的卷积核，一个用于水平方向，另一个用于垂直方向，这两个核被设计为对图像的变化更为敏感，从而能够更准确地检测出边缘。。Scharr算子的实现步骤如下：

‌步骤1‌：对图像进行必要的预处理，如高斯模糊。
‌步骤2‌：将图像转换为灰度图像。
‌步骤3‌：使用Scharr算子计算图像在X方向和Y方向的梯度。
‌步骤4‌：将导数值转换为绝对值，并进行归一化处理。
‌步骤5‌：得到边缘图像。

以下是一个使用Scharr算子进行边缘检测的示例代码（省略了部分预处理步骤，假设已转换为灰度图像）：

import org.opencv.android.OpenCVLoader;
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

public class ScharrEdgeDetection {

    static {
        if (!OpenCVLoader.initDebug()) {
            // Handle initialization error
        }
    }

    public static void main(String[] args) {
        // 读取图像
        Mat src = Imgcodecs.imread("image.jpg", Imgcodecs.IMREAD_GRAYSCALE);
        if (src.empty()) {
            System.out.println("Could not open or find the image!");
            return;
        }

        // 计算x方向的梯度
        Mat gradX = new Mat();
        Imgproc.Scharr(src, gradX, CvType.CV_16S, 1, 0);
        Core.convertScaleAbs(gradX, gradX);

        // 计算y方向的梯度
        Mat gradY = new Mat();
        Imgproc.Scharr(src, gradY, CvType.CV_16S, 0, 1);
        Core.convertScaleAbs(gradY, gradY);

        // 合并梯度
        Mat gradXY = new Mat();
        Core.addWeighted(gradX, 0.5, gradY, 0.5, 0, gradXY);

        // 保存结果
        Imgcodecs.imwrite("scharr_edge_detection.jpg", gradXY);

        System.out.println("Edge detection completed and result saved!");
    }
}

四、拉普拉斯算子

Laplacian算子是一个二阶导数算子，用于检测图像中的边缘。与Sobel算子不同，Laplacian算子通过计算图像灰度值变化的二阶导数来捕捉边缘。Laplacian算子的实现步骤如下：

‌步骤1‌：对图像进行必要的预处理，如高斯模糊。
‌步骤2‌：将图像转换为灰度图像。
‌步骤3‌：使用Laplacian算子计算图像的二阶导数。
‌步骤4‌：合并梯度，通过对两个方向的梯度图像进行加权求和来实现。
‌步骤5‌：得到边缘图像。

以下是一个使用Laplacian算子进行边缘检测的示例代码（省略了部分预处理步骤，假设已转换为灰度图像）：

// 使用Laplacian算子计算边缘
Mat laplacian = new Mat();
Imgproc.Laplacian(grayMat, laplacian, CvType.CV_16S, 3);

// 将导数值转换为绝对值，并进行归一化处理
Mat laplacianAbs = new Mat();
Core.convertScaleAbs(laplacian, laplacianAbs);

// 将Mat转为Bitmap显示
Bitmap resultBitmap = Bitmap.createBitmap(laplacianAbs.cols(), laplacianAbs.rows(), Bitmap.Config.ARGB_8888);
Utils.matToBitmap(laplacianAbs, resultBitmap);

// 显示处理后的图像
imageView.setImageBitmap(resultBitmap);

五、Canny 算法边缘检测

Canny算子是图像处理中最常用的边缘检测算法之一，它以高检测率和低误报率著称。

最经典、鲁棒性强的边缘检测算法；
使用梯度、非极大值抑制与双阈值连接判断边缘；
更适用于自然图像。

Canny算子的实现步骤如下：

‌步骤1‌：对图像进行高斯模糊处理。(去噪声，使曲线平滑)
‌步骤2‌：计算图像的梯度幅值和方向。（用 Sobel 或 Prewitt 算子）
‌步骤3‌：应用非极大值抑制，保留梯度方向上的局部最大值。
‌步骤4‌：使用双阈值处理，得到强边缘和弱边缘。
- 高于高阈值：强边缘
- 低于低阈值：非边缘
- 介于之间：连通强边缘则保留
‌步骤5‌：通过滞后阈值化，连接强边缘和与强边缘相连的弱边缘，得到最终边缘图像。

以下是一个使用Canny算子进行边缘检测的示例代码：

// 应用高斯模糊减少噪声
Imgproc.GaussianBlur(grayMat, grayMat, new Size(5, 5), 1.5, 1.5);

// 使用Canny算子进行边缘检测
Mat edges = new Mat();
Imgproc.Canny(grayMat, edges, 100, 200);

// 将Mat转为Bitmap显示
Bitmap resultBitmap = Bitmap.createBitmap(edges.cols(), edges.rows(), Bitmap.Config.ARGB_8888);
Utils.matToBitmap(edges, resultBitmap);

// 显示处理后的图像
imageView.setImageBitmap(resultBitmap);

六、边缘检测算法比较

算法	抗噪声能力	精度	是否方向敏感	速度	适用场景
Sobel	一般	中	是	较快	简单图像边缘提取
Prewitt	弱	中	是	快	实时图像边缘提取
Roberts	弱	低	否	极快	图像边缘估算
Laplacian	弱	中	否	较慢	图像细节高的场景
Canny	强	高	是	慢	通用图像识别