使用 OpenCV 函数cv::Canny实现 Canny 边缘检测器-优快云博客

理论

Canny 边缘检测器 [ 48]由 John F. Canny 于 1986 年开发。Canny 算法也被许多人称为最佳检测器，它旨在满足三个主要标准：

低错误率：意味着仅对存在的边缘进行良好的检测。
良好的定位：检测到的边缘像素和真实边缘像素之间的距离必须最小化。
最小响应：每个边缘只有一个检测器响应。

步骤

滤除任何噪音。高斯滤波器就是用于此目的。以下是高斯核的示例s我是埃=5可能用到的如下所示：
找到图像的强度梯度。为此，我们遵循与 Sobel 类似的程序：
1. 应用一对卷积掩模（十和是说明：
2. 使用以下方法查找梯度强度和方向：
  该方向四舍五入为四个可能的角度之一（即 0、45、90 或 135）
应用非最大抑制。这会删除不被视为边缘一部分的像素。因此，只剩下细线（候选边缘）。
滞后：最后一步。Canny 确实使用两个阈值（上限和下限）：
1. 如果像素梯度高于上限，则该像素被接受为边缘
2. 如果像素梯度值低于下限，则被拒绝。
3. 如果像素梯度介于两个阈值之间，那么只有它与高于上阈值的像素相连时才会被接受。
Canny 建议上限与下限之比在 2:1 至 3:1 之间。
欲了解更多详细信息，您可以随时查阅您最喜欢的计算机视觉书籍。

代码

C++

教程代码如下所示。您也可以从此处下载


#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>

using namespace cv;

Mat src, src_gray;
Mat dst, detected_edges;

int lowThreshold = 0;
const int max_lowThreshold = 100;
const int ratio = 3;
const int kernel_size = 3;
const char* window_name = "Edge Map";

static void CannyThreshold(int, void*)
{
    blur( src_gray, detected_edges, Size(3,3) );

    Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );

    dst = Scalar::all(0);

    src.copyTo( dst, detected_edges);

    imshow( window_name, dst );
}

int main( int argc, char** argv )
{
  CommandLineParser parser( argc, argv, "{@input | fruits.jpg | input image}" );
  src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR ); // Load an image

  if( src.empty() )
  {
    std::cout << "Could not open or find the image!\n" << std::endl;
    std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;
    return -1;
  }

  dst.create( src.size(), src.type() );

  cvtColor( src, src_gray, COLOR_BGR2GRAY );

  namedWindow( window_name, WINDOW_AUTOSIZE );

  createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );

  CannyThreshold(0, 0);

  waitKey(0);

  return 0;
}

这个程序是做什么的？
- 要求用户输入一个数值来设置我们的Canny 边缘检测器的下限（通过跟踪条）。
- 应用Canny 检测器并生成蒙版（黑色背景上表示边缘的亮线）。
- 将获得的蒙版应用到原始图像上并将其显示在窗口中。

解释（C++代码）

创建一些需要的变量：
```
Mat src, src_gray;
Mat dst, detected_edges;

int lowThreshold = 0;
const int max_lowThreshold = 100;
const int ratio = 3;
const int kernel_size = 3;
const char* window_name = "Edge Map";
```
请注意以下几点：
1. 我们设立 3:1 的下限与上限比率（变量比率）。
2. 我们将内核大小设置为3（Sobel 运算由 Canny 函数内部执行）。
3. 我们为下限设定了一个最大值100。
加载源图像：

CommandLineParser解析器（argc，argv，“{@input | fruit.jpg | 输入图像}”）；

src = imread ( samples::findFile( parser.get< String >( "@input" ) ), IMREAD_COLOR ); // 加载图像

if ( 源文件为空() )

{

std::cout << "无法打开或找到图像！\n" << std::endl;

std::cout << "用法：" << argv[0] << " <输入图像>" << std::endl;

返回-1；

}
创建与src（将成为dst）相同类型和大小的矩阵：

dst.创建（src.size （），src.类型（））；
将图像转换为灰度（使用函数cv::cvtColor）：

cvtColor（src，src_gray，COLOR_BGR2GRAY）；
创建一个窗口来显示结果：

namedWindow（窗口名称，WINDOW_AUTOSIZE ）；
创建一个 Trackbar 供用户输入我们的 Canny 检测器的下限：

createTrackbar ( "最小阈值：" , window_name, &lowThreshold, max_lowThreshold, CannyThreshold );

请注意以下几点：
1. Trackbar 控制的变量是lowThreshold，其限制是max_lowThreshold（我们之前将其设置为 100）
2. 每次Trackbar注册一个动作时，都会调用回调函数CannyThreshold 。
让我们一步一步检查一下CannyThreshold函数：
1. 首先，我们用核大小为 3 的过滤器来模糊图像：
  
  模糊（src_gray，detected_edges，大小（3,3））；
2. 其次，我们应用 OpenCV 函数cv::Canny：
  
  Canny（检测到的边缘，检测到的边缘，低阈值，低阈值*比率，内核大小）；
  
  其中的参数为：
  - detect_edges：源图像，灰度
  - detect_edges：检测器的输出（可以与输入相同）
  - lowThreshold：用户移动 Trackbar 时输入的值
  - highThreshold：在程序中设置为下限的三倍（按照 Canny 的建议）
  - kernel_size：我们将其定义为 3（内部使用的 Sobel 核的大小）
我们用零填充dst图像（意味着图像完全是黑色）。

dst = 标量::all(0);
最后，我们将使用函数cv::Mat::copyTo仅映射被标识为边缘（在黑色背景上）的图像区域。cv::Mat::copyTo将src图像复制到dst。但是，它只会复制具有非零值位置的像素。由于 Canny 检测器的输出是黑色背景上的边缘轮廓，因此生成的dst在除检测到的边缘之外的所有区域中都将是黑色。

src.copyTo （ dst，detected_edges）；
我们展示结果：

imshow (窗口名称，目标）；