Canny算子检测轮廓

1.概念及原理

(1)之前我们是对梯度大小进行阈值化以得到二值的边缘图像。但是这样做有两个缺点。其一是检测到的边缘过粗，难以实现物体的准确定位。其二是很难找到合适的阈值既能足够低于检测到所有重要边缘，又能不至于包含过多次要边缘，这就是Canny算法尝试解决的问题。

(2)Canny算子通常是基于Sobel算子，当然也可以使用其他梯度算子。其思想是使用一个低阈值一个高阈值来确定哪些点属于轮廓。低阈值的作用主要是包括所有属于明显图像轮廓的边缘像素。高阈值的作用是定义所有重要轮廓的边缘。Canny算子是组合低阈值和高阈值这两幅边缘图以生成最优的轮廓图。这种使用双阈值以得到二值图像的策略被称为磁滞阈值化。

2.实验

使用Canny算子检测轮廓

源码示例(很简单)

[cpp] viewplain copy

1.  <pre name="code" class="cpp">#include<iostream>      

2. #include <opencv2/core/core.hpp>      

3.  #include <opencv2/highgui/highgui.hpp>   

4. #include<imgproc/imgproc.hpp>    

5.    

6. using namespace std;  

7.  using namespace cv;  

8.   

9.  int main(){  

10.  

11.     Mat image = imread("tree.jpg", 0);  

12.    namedWindow("image");  

13.     imshow("image", image);  

14.  

15.     Mat contours;  

16.    Canny(image,    //灰度图  

17.         contours,   //输出轮廓  

18.        125,    //低阈值  

19.         350);   //高阈值  

20.  

21.     //因为正常情况下轮廓是用非零像素表示 我们反转黑白值  

22.    Mat contoursInv;    //反转后的图像  

23.     threshold(contours,  

24.        contoursInv,   

25.         128,    //低于该值的像素  

26.        255,    //将变成255  

27.         THRESH_BINARY_INV);  

28.    namedWindow("contoursInv");   

29.     imshow("contoursInv", contoursInv);  

30.  

31.     waitKey(0);  

32.    return 0;  

33. }  

实验效果图