OpenCV系列之Canny边缘算子

【OpenCV系列之Canny边缘检测算子】

尊重原创：http://blog.csdn.net/morewindows/article/details/8239625

Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。
其特点是试图将独立边的候选像素拼装成轮廓。具有以下的优势：

• 1.好的信噪比，即将非边缘点判定为边缘点的概率要低，将边缘点判为非边缘点的概率要低；
• 2.高的定位性能，即检测出的边缘点要尽可能在实际边缘的中心；
• 3.对单一边缘仅有唯一响应，即单个边缘产生多个响应的概率要低，并且虚假响应边缘应该得到最大抑制。

Canny算子求边缘点具体算法步骤如下：

1. 用高斯滤波器平滑图像，消除噪声．

2. 用一阶偏导有限差分计算梯度幅值和方向，目的是为了达到边缘增强。

3. 对梯度幅值进行非极大值抑制．

4. 用双阈值算法检测和连接边缘

一. 主要函数

1.1 cvCanny

函数功能：采用Canny方法对图像进行边缘检测

函数原型：

void  cvCanny(  const CvArr* image,  CvArr* edges,  double threshold1,double threshold2,  int aperture_size=3);

<strong><span style="font-size:18px;">函数说明：</span></strong><span style="font-size:18px;">第一个参数表示输入图像，必须为单通道灰度图。第二个参数表示输出的边缘图像，为单通道黑白图。第三个参数和第四个参数表示阈值，这二个阈值中当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割即如果一个像素的梯度大与上限值，则被认为是边缘像素，如果小于下限阈值，则被抛弃。如果该点的梯度在两者之间则当这个点与高于上限值的像素点连接时我们才保留，否则删除。第五个参数表示Sobel 算子大小，默认为3即表示一个3*3的矩阵。Sobel 算子与高斯拉普拉斯算子都是常用的边缘算子</span>

<span style="font-size:18px;"></span><h3 style="margin: 0px; padding: 0px; color: rgb(51, 51, 51); font-family: Arial; line-height: 26px;"></h3><h3 style="margin: 0px; padding: 0px; color: rgb(51, 51, 51); font-family: Arial; line-height: 26px;"><span style="font-size:18px;">1.2 cvCreateTrackbar</span></h3><p style="color: rgb(51, 51, 51); font-family: Arial; line-height: 26px;">函数功能：创建<span style="font-family: 'Times New Roman';">trackbar</span>并添加到指定窗口</p><p style="color: rgb(51, 51, 51); font-family: Arial; line-height: 26px;">函数原型</p>

int cvCreateTrackbar(  const char* trackbar_name,  const char* window_name,  int* value,  intcount,  CvTrackbarCallback on_change);

函数说明：

第一个参数表示该trackbar的名称。

第二个参数表示窗口名称，该trackbar将显示在这个窗口内。

第三个参数表示创建时滑块的位置。

第四个参数表示滑块位置的最大值，最小值固定为0。

第五个参数表示回调函数。当滑块位置有变化时，系统会调用该回调函数。

注：被创建的trackbar默认显示在指定窗口的顶端，可以通过函数cvGetTrackbarPos()来获取trackbar显示的位置信息，以及通过函数cvSetTrackbarPos()来重新设置trackbar的显示位置。

来个小例子吧

//图像的Canny边缘检测//版权借鉴 MoreWindows (http://blog.csdn.net/MoreWindows),仅供个人参考学习#include <opencv2/opencv.hpp>using namespace std;

//隐藏命令行窗口#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"");IplImage *g_pSrcImage, *g_pCannyImg;const char *pstrWindowsCannyTitle = "边缘检测图";//cvCreateTrackbar的回调函数void on_trackbar(int threshold){//canny边缘检测cvCanny(g_pSrcImage, g_pCannyImg, threshold, threshold * 3, 3);cvShowImage(pstrWindowsCannyTitle, g_pCannyImg);}int main(){const char *pstrImageName = "pic.jpg";const char *pstrWindowsSrcTitle = "原图)";const char *pstrWindowsToolBar = "Threshold";//从文件中载入图像的灰度图CV_LOAD_IMAGE_GRAYSCALE - 灰度图g_pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_GRAYSCALE);g_pCannyImg = cvCreateImage(cvGetSize(g_pSrcImage), IPL_DEPTH_8U, 1);//创建窗口cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);cvNamedWindow(pstrWindowsCannyTitle, CV_WINDOW_AUTOSIZE);        //创建滑动条int nThresholdEdge = 1;cvCreateTrackbar(pstrWindowsToolBar, pstrWindowsCannyTitle, &nThresholdEdge, 100, on_trackbar);//在指定窗口中显示图像cvShowImage(pstrWindowsSrcTitle, g_pSrcImage);on_trackbar(1);//等待按键事件cvWaitKey();cvDestroyWindow(pstrWindowsSrcTitle);cvDestroyWindow(pstrWindowsCannyTitle);cvReleaseImage(&g_pSrcImage);cvReleaseImage(&g_pCannyImg);return 0;}