OpenCV Canny 边缘检测的原理和代码示范

13 min read

OpenCV Canny 边缘检测算法的原理：

OpenCV Canny 边缘检测算法是一种经典的边缘检测算法，它的实现基于一系列的操作和步骤。以下是 OpenCV Canny 边缘检测算法的主要步骤：

  1. 噪声滤波：为了提高边缘检测的精度和鲁棒性，一般使用高斯滤波器来预先进行图像的降噪处理。

  2. 灰度化处理：将原始图像转换为灰度图像，以便进行进一步的处理。

  3. 计算图像梯度：使用 Sobel 算子来计算图像的梯度信息，进而检测出图像中的边缘。

  4. 非极大值抑制：为了避免检测到非真实边缘，需要使用非极大值抑制算法来过滤掉那些宽度比较宽的边缘部分。

  5. 双阈值处理：使用双阈值来进行边缘的二值化处理，以便仅检测出符合预期的边缘。

  6. 边缘跟踪：将图像中的孤立边缘进行连接，形成完整的轮廓线。

OpenCV Canny 边缘检测算法的代码实现：

下面是一个简单的 OpenCV Canny 边缘检测的代码示范：

#include <opencv2/opencv.hpp>
using namespace cv;

int main(int argc, char **argv)
{
    Mat image = imread("lena.jpg", IMREAD_GRAYSCALE);  // 读取灰度图像
    Mat edges;
    Canny(image, edges, 100, 200);  // 进行 Canny 边缘检测
    imshow("Original Image", image);
    imshow("Canny Edges", edges);
    waitKey(0);
    return 0;
}

在这个示例代码中，我们首先读取了一张灰度图像，然后使用 Canny 函数来进行边缘检测。Canny 函数的第一个参数是输入图像，第二个参数是输出图像，第三个参数和第四个参数是两个阈值，用于设置双阈值处理的参数。最后，我们将原始图像和 Canny 边缘检测结果显示在了屏幕上。