openc —— Canny 边缘检测
边缘检测的一般步骤
【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,然后基于高斯核对图像灰度矩阵的每一点进行加权求和。
【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。
【第三步】检测
通过增强的图像,往往领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。
Canny 算子简介
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,被很多人推崇为最优的边缘检测的算法。
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差。
- 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。
- 最小相应:图像中的边缘只能标记一次,并且可能存在的图像噪声不应被识别为边缘。
Canny 边缘检测的步骤
【第一步】转化为灰度图并消除噪声
一般情况下,使用高斯平滑滤波器卷积降噪。下面显示了一个 的高斯内核示例:

【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:
https://www.cnblogs.com/bjxqmy/p/12325852.html
① 运用一对卷积阵列 (分别作用于 和
方向)
② 使用下列公式计算梯度幅值和方向:
梯度方向近似到四个可能角度之一 —— 0 度, 45 度, 90 度, 135 度
【第三步】非极大值抑制
这一步排除非边缘像素,仅仅保留了一些细线条(候选边缘)。
【第四步】滞后阈值
滞后阈值需要两个阈值:
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。
Canny 边缘检测:Canny 函数
void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false);
- image,输入图像,即源图像,填 Mat 类对象即可,彩色或灰度图像均可,但一般为经过高斯模糊后的灰度图。
- edges,输出的边缘图,和源图像有一样的尺寸,且为二值图像。
- threshold1,第一个滞后性阈值。
- threshold2,第二个滞后性阈值。
- apertureSize,Sobel 算子的孔径大小,其有默认值 3。
- L2gradient,一个计算图像梯度值幅度的标识,如果为 true,则使用更精确的 L2 范数进行计算(即某点梯度 = 两个方向导数的平方和再开方),默认为 false,使用 L1 范数(某点梯度 = 两个方向导数的绝对值相加)。
需要注意的是,函数阈值 1 和函数阈值 2 两者中较小的值用于边缘连接,而较大的值用来控制强边缘的初始段,推荐的高低阈值比在 2:1 到 3:1 之间。
代码示例:
#include<opencv.hpp>
using namespace cv;
int main() {
Mat src = imread("C:/Users/齐明洋/Desktop/证件照/7.jpg");
GaussianBlur(src, src, Size(, ), , );
imshow("src", src);
Mat gray, canny_img;
cvtColor(src, gray, COLOR_BGR2GRAY);
Canny(gray, canny_img, , , );
imshow("canny_img", canny_img); waitKey();
}
效果演示:
借鉴博客:https://www.cnblogs.com/pacino12134/p/9877971.html
openc —— Canny 边缘检测的更多相关文章
- Canny边缘检测
1.Canny边缘检测基本原理 (1)图象边缘检测必须满足两个条件:一能有效地抑制噪声:二必须尽量精确确定边缘的位置. (2)根据对信噪比与定位乘积进行测度,得到最优化逼近算子.这 ...
- OpenCV图像Canny边缘检测
Canny边缘检测 图像的边缘检测的原理是检测出图像中所有灰度值变化较大的点,而且这些点连接起来就构成了若干线条,这些线条就可以称为图像的边缘函数原型: void cvCanny( ...
- OpenCV: Canny边缘检测算法原理及其VC实现详解(转载)
原文地址:http://blog.csdn.net/likezhaobin/article/details/6892176 原文地址:http://blog.csdn.net/likezhaobin/ ...
- 从视频文件中读入数据-->将数据转换为灰度图-->对图像做canny边缘检测-->将这三个结构显示在一个图像中
//从视频文件中读入数据-->将数据转换为灰度图-->对图像做canny边缘检测-->将这三个结构显示在一个图像中 //作者:sandy //时间:2015-10-10 #inclu ...
- [转载+原创]Emgu CV on C# (六) —— Emgu CV on Canny边缘检测
Canny边缘检测也是一种边缘检测方法,本文介绍了Canny边缘检测的函数及其使用方法,并利用emgucv方法将轮廓检测解算的结果与原文进行比较. 图像的边缘检测的原理是检测出图像中所有灰度值变化较大 ...
- ###Canny边缘检测算子
开源中国. #@date: 2014-06-20 #@author: gerui #@email: forgerui@gmail.com 一.一阶微分边缘算子 1. 一阶微分边缘检测算子也称梯度边缘算 ...
- openCV(四)---Canny边缘检测
图像的边缘检测的原理是检测出图像中所有灰度值变化较大的点,而且这些点连接起来就构成了若干线条,这些线条就可以称为图像的边缘. 直接上代码,函数简介都在代码注释中 //canny边缘检测 -(void) ...
- Canny边缘检测算法的实现
图像边缘信息主要集中在高频段,通常说图像锐化或检测边缘,实质就是高频滤波.我们知道微分运算是求信号的变化率,具有加强高频分量的作用.在空域运算中来说,对图像的锐化就是计算微分.由于数字图像的离散信号, ...
- 一些关于Canny边缘检测算法的改进
传统的Canny边缘检测算法是一种有效而又相对简单的算法,可以得到很好的结果(可以参考上一篇Canny边缘检测算法的实现).但是Canny算法本身也有一些缺陷,可以有改进的地方. 1. Canny边缘 ...
随机推荐
- GitHub Pages 与 Gitee Pages 上的 Jekyll
GitHub 与 Gitee 提供的 Pages 服务中,均内嵌了 Jekyll 支持(Gitee 还提供了 Hugo 与 Hexo 支持).所谓「支持」,即指这些生成工具挂在云端:你只需要提供原始代 ...
- nmap详解之选项说明
功能选项 功能选项可以组合使用.一些功能选项只能够在某种扫描模式下使用.nmap会自动识别无效或者不支持的功能选项组合,并向用户发出警告信息. 如果你是有经验的用户,可以略过结尾的示例一节.可以使用n ...
- 今天更新IDEA后,我依旧要永久激活(支持2019.3.3版本)
起因 今天一早用IDEA写代码,看到有下角有提示更新,有点强迫症的我,就手欠的又点了下更新,结果尼玛悲剧了,居然许可证过期,IDEA过期了,如下图所示: 就想用下新功能,就这样对我,就给两天的使用时间 ...
- 二、通过工厂方法来配置bean
调用静态工厂方法创建 Bean是将对象创建的过程封装到静态方法中. 当客户端需要对象时, 只需要简单地调用静态方法, 而不同关心创建对象的细节. 要声明通过静态方法创建的 Bean, 需要在 Bean ...
- MCI使用
MCI(Media Control Interface)媒体控制接口是MircroSoft提供的一组多媒体设备和文件的标准接口,它的好处是可以方便地控制绝大多数多媒体设备包括音频.视频.影碟.录像等多 ...
- python 使用记录
#print输出后不换行 #python2.x 中末尾加逗号,表示不换行,print 'contents', #python3.x 中默认print('contents',end='\n'),想要输出 ...
- Open Images V4 下载自己需要的类别
OpenImages V4数据集描述1)这个v4数据集主要有两种用途:对象检测及分类,意思是说可以用这个数据集训练出对象检测模型,用于识别图像中的对象类别及位置边框.视觉关系检测,比如你用这个v4数据 ...
- PTA 7-10 树的遍历(二叉树基础、层序遍历、STL初体验之queue)
7-10 树的遍历(25 分) 给定一棵二叉树的后序遍历和中序遍历,请你输出其层序遍历的序列.这里假设键值都是互不相等的正整数. 输入格式: 输入第一行给出一个正整数N(≤30),是二叉树中结点的个数 ...
- (四)mybatis逆向工程
构建 逆向工程就是说通过数据库当中的表生成class,mapper,接口,不需要自己编写那些,很方便.跟symfony里面的自动生成是一样的:视频里的人说用的不多,但我觉得很方便呀 具体步骤,首先导入 ...
- springboot结合Docker部署
工程目录 创建Dockerfile FROM java VOLUME /tmp ADD springboot-docker-0.0.1-SNAPSHOT.jar app.jar RUN bash -c ...