【转】在OpenCV中自适应确定canny算法的分割阈值

最新推荐文章于 2025-07-10 20:11:08 发布

某某9

最新推荐文章于 2025-07-10 20:11:08 发布

阅读量1.8k

点赞数

分类专栏： OpenCV 文章标签：算法 matlab float image dll null

OpenCV 专栏收录该内容

10 篇文章

订阅专栏

本文介绍如何在OpenCV中实现Canny边缘检测算法的自适应高低阈值设置，通过对梯度图像进行直方图分析来自动确定阈值，从而避免手动设定阈值的不便。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在OpenCV中用canny算子进行边缘检测速度很快，不过有点不爽的就是高低阈值需要输入。在matlab中，如果不指定阈值的话，由函数自适应确定，因此仿照matlab中的做法，对canny函数进行了修改，以便当用户没有指定高低阈值时，由函数自适应确定阈值。

我在OpenCv原码库中增加了一个函数，用于确定高低阈值。

// 仿照matlab，自适应求高低两个门限
CV_IMPL void AdaptiveFindThreshold(CvMat *dx, CvMat *dy, double *low, double *high)
{
CvSize size;
IplImage *imge=0;
int i,j;

CvHistogram *hist;
int hist_size = 255;
float range_0[]={0,256};
float* ranges[] = { range_0 };
double PercentOfPixelsNotEdges = 0.7;

size = cvGetSize(dx);
imge = cvCreateImage(size, IPL_DEPTH_32F, 1);
// 计算边缘的强度, 并存于图像中
float maxv = 0;
for(i = 0; i < size.height; i++ )
{
  const short* _dx = (short*)(dx->data.ptr + dx->step*i);
        const short* _dy = (short*)(dy->data.ptr + dy->step*i);
  float* _image = (float *)(imge->imageData + imge->widthStep*i);
  for(j = 0; j < size.width; j++)
  {
   _image[j] = (float)(abs(_dx[j]) + abs(_dy[j]));
   maxv = maxv < _image[j] ? _image[j]: maxv;
  }
}

// 计算直方图
range_0[1] = maxv;
hist_size = (int)(hist_size > maxv ? maxv:hist_size);
hist = cvCreateHist(1, &hist_size, CV_HIST_ARRAY, ranges, 1);
cvCalcHist( &imge, hist, 0, NULL );
int total = (int)(size.height * size.width * PercentOfPixelsNotEdges);
float sum=0;
int icount = hist->mat.dim[0].size;

float *h = (float*)cvPtr1D( hist->bins, 0 );
for(i = 0; i < icount; i++)
{
  sum += h[i];
  if( sum > total )
   break;
}

// 计算高低门限
*high = (i+1) * maxv / hist_size ;
*low = *high * 0.4;
cvReleaseImage( &imge );
cvReleaseHist(&hist);
}

在把cvCanny函数进行以下修改。

在函数体中，当程序用两个sobel算子计算完水平和垂直两个方向的梯度强度过后加入以下代码

// 自适应确定阈值
if(low_thresh == -1 && high_thresh == -1)
{
AdaptiveFindThreshold(dx, dy, &low_thresh, &high_thresh);
}

这样，在调用cvCanny函数时，指定高低门限为－1，则cvCanny函数就自适应确定门限。

最后，别忘了重新编译cv库，对lib和dll库进行更新。

【转自：http://www.china-vision.net/blog/user2/15975/archives/2007/804.html】