opencv学习笔记（二十三）Canny边缘检测cvCanny()

Canny边缘检测

该方法适用于单通道图像，在1986年由J. Canny得到完善，也就是通常所称的Canny边缘检测法。 Canny算法同上节提到的简单的基于拉普拉斯算法的不同点之一是在Canny算法中，首先在x和y方向求一阶导数，然后组合为4个方向的导数。这些方向导数达到局部最大值的点就是组成边缘的候选点。
然而，Canny算法最重要的一个新特点是其试图将独立边的候选像素拼装成轮廓。
轮廓的形成是对这些像素运用滞后性阈值。这意味着有两个阈值，上限和下限。如果一个像素的梯度大于上限阈值，则被认为是边缘像素，如果低于下限阈值，则被抛弃，如果介于二者之间，只有当其与高于上限阈值的像素连接时才会被接受。
Canny 推荐的上下限阈值比为2:1到3:1之间。
cvCanny()函数需要输入一幅灰度图，输出图也一定是灰度的(实际上是布尔图像)。接下来两个参数是下限阈值和上限阈值，最后一个参数是另一个中孔。通常，这个被Sobel算子用到的中孔是cvCanny ( )在内部使用的。

cvCanny()——适用于单通道图像

定义：
void cvCanny(
const CvArr* image,
CvArr* edges,
double threshold1,
double threshold2,
int aperture_size=3 );
参数：
image
单通道输入图像.
edges
单通道存储边缘的输出图像
threshold1
第一个阈值（低阈值）
threshold2
第二个阈值（高阈值）
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。
aperture_size
Sobel 算子内核大小 (见 cvSobel)。

程序实例

#include <opencv2/opencv.hpp>int main( int argc, char** argv[] )  {      //声明IplImage指针      IplImage* img = NULL;      IplImage* cannyImg = NULL;      char *filename;      filename="a.jpg";      img=cvLoadImage("a.jpg",1);      //载入图像，强制转化为Gray      if((img = cvLoadImage(filename, 0)) != 0 )  //cvLoadImage(filename, 0)——强制转化为Gray    {          //为canny边缘图像申请空间          cannyImg = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);          //canny边缘检测          cvCanny(img, cannyImg, 50, 150, 3);          //创建窗口         cvNamedWindow("src", 1);          cvNamedWindow("canny",1);          //显示图像          cvShowImage( "src", img );          cvShowImage( "canny", cannyImg );          cvWaitKey(0); //等待按键        //销毁窗口        cvDestroyWindow( "src" );          cvDestroyWindow( "canny" );          //释放图像          cvReleaseImage( &img );          cvReleaseImage( &cannyImg );          return 0;      }      return -1;  }  

重点：边缘检测算法的总结

Soble边缘检测算法比较简，实际应用中效率比canny边缘检测效率要高，但是边缘不如Canny检测的准确，但是很多实际应用的场合，sobel边缘却是首选，尤其是对效率要求较高，而对细纹理不太关心的时候。
Soble边缘检测通常带有方向性，可以只检测竖直边缘或垂直边缘或都检测。
一阶：Roberts Cross算子，Prewitt算子，Sobel算子， Kirsch算子，罗盘算子；
二阶：Marr-Hildreth，在梯度方向的二阶导数过零点，Canny算子，Laplacian算子。
Canny算子（或者这个算子的变体）是最常用的边缘检测方法。