作者：翟天保Steven
著作權宣告：著作權歸作者所有，商業轉載請聯系作者獲得授權，非商業轉載請注明出處
函式原型
void Canny( InputArray image, OutputArray edges,
double threshold1, double threshold2,
int apertureSize = 3, bool L2gradient = false );引數說明
- InputArray型別的image，輸入影像，8位影像，
- OutputArray型別的edges，輸出邊緣圖，單通道 8 位影像，與 image 大小相同，
- double型別的threshold1，滯后程序的第一個閾值，
- double型別的threshold2，滯后程序的第二個閾值，
- int型別的apertureSize，算子的孔徑大小，
- bool型別的L2gradient，若為ture則使用L2范數計算影像梯度幅度，若為false，則用L1范數，
函式原理
Canny邊緣檢測演算法是一種多級邊緣檢測演算法，也被很多人認為是邊緣檢測的最優演算法，其目標是找到一個最優的邊緣檢測演算法，用三個主要評價標準來表征是否為最優：
- 低錯誤率：標識出盡可能多的實際邊緣，同時盡可能地減少噪聲產生的誤報；
- 高定位率：標識出的邊緣要與影像中的實際邊緣盡可能接近，
- 最小回應：影像中的邊緣只能標識一次，并且可能存在的影像噪聲不應標識為邊緣，
為了滿足上述標準，Canny使用了變分法，這是一種尋找滿足特定功能的函式的方法，最優檢測用4個指數函式項的和表示，其非常近似于高斯函式的一階導數，
Canny邊緣檢測的步驟：
- 消除噪聲，采用高斯平滑濾波器卷積降噪，
- 計算梯度幅值和方向，梯度方向一般取0、45、90、135中的一個，
- 非極大值抑制，這是為了排除非邊緣像素，僅僅保留一些細線條，作為候選邊緣，
- 滯后閾值，如引數串列所示，有兩個閾值（高閾值和低閾值），若某一像素位置的幅值超過高閾值，該像素被保留為邊緣像素；若某一像素位置的幅值小于低閾值，該像素被排除；若處于兩閾值之間，該像素僅僅在連接到一個高于高閾值的像素時被保留，
測驗代碼
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
void main()
{
// 灰度Canny檢測
Mat src = imread("test.jpg", 0);
Mat result;
Canny(src, result, 100, 150, 3, true);
// 高階Canny用法，轉灰度圖，降噪，將得到的邊緣作為掩碼加到原圖上，得到彩色的邊緣圖
Mat src2 = imread("test.jpg");
Mat edge, result2;
result2=cv::Mat::zeros(src2.size(), src2.type());
blur(src, edge, Size(5, 5));
Canny(edge, edge, 3, 9, 3);
src2.copyTo(result2, edge);
// 結果顯示
imshow("src", src2);
imshow("gray", result);
imshow("color", result2);
waitKey(0);
system("pause");
}測驗效果
注意函式的兩個閾值與邊緣的識別息息相關，
如果文章幫助到你了，可以點個贊讓我知道，我會很快樂~加油！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/344094.html
標籤：AI