边缘检测：Canny算子

一、边缘检测的一般步骤
1、【第一步】滤波
边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波,即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。
2、【第二步】增强
增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。
3、【第三步】检测
经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是要找的边缘点，所以应该采用某种方法来对这些点进行取舍。实际工程中，常用的方法是通过阈值化方法来检测。
另外，Laplacian算子、sobel算子和Scharr算子都是带方向的。

二、canny边缘检测
2.1 代码

#include <opencv2/opencv.hpp>#include<opencv2/highgui/highgui.hpp>#include<opencv2/imgproc/imgproc.hpp>using namespace cv;//-----------------------------------【main( )函数】-------------------------------------------//            描述：控制台应用程序的入口函数，我们的程序从这里开始//-----------------------------------------------------------------------------------------------int main(){    //载入原始图      Mat srcImage = imread("D:/1.jpg",0);  //工程目录下应该有一张名为1.jpg的素材图    Mat srcImage1 = srcImage.clone();    //显示原始图     imshow("【原始图】Canny边缘检测", srcImage);    //----------------------------------------------------------------------------------    //  一、最简单的canny用法，拿到原图后直接用。    //----------------------------------------------------------------------------------    Canny(srcImage, srcImage, 150, 100, 3);    imshow("【效果图】Canny边缘检测", srcImage);    //----------------------------------------------------------------------------------    //  二、高阶的canny用法，转成灰度图，降噪，用canny，最后将得到的边缘作为掩码，拷贝原图到效果图上，得到彩色的边缘图    //----------------------------------------------------------------------------------    Mat dstImage, edge, grayImage;    // 【1】创建与src同类型和大小的矩阵(dst)    dstImage.create(srcImage1.size(), srcImage1.type());    // 【2】将原图像转换为灰度图像    //cvtColor(srcImage1, grayImage, CV_BGR2GRAY);    // 【3】先用使用 3x3内核来降噪    blur(srcImage1, edge, Size(3, 3));    // 【4】运行Canny算子    Canny(edge, edge, 3, 9, 3);    //【5】将g_dstImage内的所有元素设置为0     dstImage = Scalar::all(0);    //【6】使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中    srcImage1.copyTo(dstImage, edge);    //【7】显示效果图     imshow("【效果图】Canny边缘检测2", dstImage);    waitKey(0);    return 0;}

2.2 canny 算子简介
2.2.1 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。更为重要的是，Canny创立了边缘检测计算理论，解释了这项技术是如何工作的。Canny边缘检测算法以Canny的名字命名，被很多人推崇为当今最优的边缘检测的算法。
其中，Canny的目标是找到一个最优的边缘检测算法，让我们看一下最优边缘检测的三个主要评价标准。
低错误率：标识出尽可能多的实际边缘，同时尽可能地减少噪声产生的误报。
高定位性：标识出的边缘要与图像中的实际边缘尽可能接近。
最小响应：图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。
为了满足这些要求，Canny使用了变分法，这是一种寻找满足特定功能的函数的方法。最优检测用4个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。

2.2.2 Canny边缘检测的步骤
（1）【第一步】消除噪声
一般情况下，使用高斯平滑滤波器卷积降噪。以下显示了一个size=5的高斯内核示例：

（2）【第二步】计算梯度幅值和方向
此处，按照Sobel滤波器的步骤来操作。
①运用一对卷积阵列（分别作用于x和y方向）

②使用下列公式计算梯度幅值和方向

而梯度方向一般取这4个可能的角度之一——0度，45度，90度，135度。
（3）【第三步】非极大值抑制
这一步排除非边缘像素，仅仅保留了一些细条线（候选边缘）。
（4）滞后阈值
这是最后一步，Canny使用了滞后阈值，滞后阈值需要两个阈值（高阈值和低阈值）：
①若某一像素位置的幅值超过高阈值，该像素被保留为边缘像素。
②若某一像素位置的幅值小于低阈值，该像素被排除。
③若某一像素位置的幅值在两个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留。
注：对于Canny函数的使用，推荐的高低阈值比在2:1到3:1之间。