Feature Detection 特征检测

边缘检测

前面我们用sobel算子和拉普拉斯变换也可以进行边缘检测，见我的上一篇blog:

http://blog.csdn.net/lu597203933/article/details/17252285

但这样得到的二值边缘图像有两大缺点。第一：检测到的边缘过粗，这意味着难以实现物体的精确定位。第二：难以找到这样的阀值，即能足够低检测到所有重要的边缘，同时也不至于包含过多次要的边缘。

这个正是canny算子要解决的。

Canny算子通常基于sobel算子，有两个阀值，这样可以得到两幅边缘图；canny算法组合这两幅边缘图以生成一副“最优”的轮廓图。如果存在连续的边缘点，则将低阀值图像中的边缘点与高阀值图像中的边缘相连接，那么就保留低阀值图像中的边缘点。这种使用双阀值以得到二值图像的策略被称为磁滞阀值化。

另附上：

Matlab的Canny算子

BW =edge(I,'canny')  

用canny算子实现边缘检测

BW =edge(I,'canny',thresh)

为canny算法指定sensitivitythresholds（阈值）。

指定两个阈值（二维矢量）：第一个元素为低阈值，第二个元素为高阈值。

指定一个阈值（单个数值）：用作高阈值，低阈值为0.4*高阈值。

未指定阈值（或用[]代替）：自动根据图像的梯度直方图计算高低阈值。

BW =edge(I,'canny',thresh,sigma)

sigma 表示高斯滤波器的标准差，默认值为sqrt(2)。滤波器大小根据sigma值自动计算。

[BW,thresh] =edge(I,'canny',...)

用thresh返回两个阈值。

 

OpenCV的Canny算子

cvCanny函数头：

void cvCanny(
const CvArr* img,
CvArr* edges,
double lowThresh,
double highThresh,
int apertureSize = 3
);

image            单通道输入图像
edges            单通道图像，保存图像边缘
threshold1     阈值1
threshold2     阈值2
apertureSize  Sobel算子的孔径参数 (参见 cvSobel 函数)

------------------------------

来自:http://hi.baidu.com/windroc/item/2c3afac341a6542cee4665ca

1. int main()  
2. {  
3.     Mat image = imread("F:\\lena.png", 0);    // 这里也可以是BGR 但是想想提取轮廓 效果是一样的  
4.     if(!image.data)  
5.     {  
6.         cout << "Fail to load image" << endl;  
7.         return 0;  
8.     }  
9.     Mat result;  
10.     Canny(image, result, 150, 220);  
11.     namedWindow("cannyResult");  
12.     imshow("cannyResult", result);  
13.     waitKey(0);  
14.     return 0;  
15. }