opencv——自适应阈值Canny边缘检测

前言

Canny边缘检测速度很快，OpenCV中经常会用到Canny边缘检测，以前的Demo中使用Canny边缘检测都是自己手动修改高低阈值参数，最近正好要研究点小东西时，就想能不能做个自适应的阈值，在不影响整体效果的基础上不用手动调参，话不多说，且看下文。

---

 实现思路：

1. 图像转成灰度图像
2. 求其灰度直方图，并找出中位数
3. 根据中位数和设定的sigma值求出高低阈值
4. 使用Canny边缘检测

代码实现：

int main()
{
    int GetMatMidVal(Mat& img);
    void GetMatMinMaxThreshold(Mat& img, int& minval, int& maxval, float sigma);
    Mat src = imread("D:/opencv练习图片/灰度图片.png");
    imshow("原图", src);
    Mat gray,binary_1,binary_2;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    GaussianBlur(gray, gray, Size(3, 3), 0.5, 0.5);
    int minthreshold, maxthreshold;
    GetMatMinMaxThreshold(gray, minthreshold, maxthreshold,0.2);
    cout << "min:" << minthreshold << "  max:" << maxthreshold << endl;
    Canny(gray, binary_1, minthreshold, maxthreshold);
    imshow("自适应边缘", binary_1);
    //Canny(gray, binary_2, 100, 200, 3);
    //imshow("边缘", binary_2);
    waitKey(0);
    return 0;
}

//求Mat的中位数
int GetMatMidVal(Mat& img)
{
    //判断如果不是单通道直接返回128
    if (img.channels() > 1) return 128;
    int rows = img.rows;
    int cols = img.cols;
    //定义数组
    float mathists[256] = { 0 };
    //遍历计算0-255的个数
    for (int row = 0; row < rows; ++row) {
        for (int col = 0; col < cols; ++col) {
            int val = img.at<uchar>(row, col);
            mathists[val]++;
        }
    }
    int calcval = rows * cols / 2;
    int tmpsum = 0;
    for (int i = 0; i < 255; ++i) {
        tmpsum += mathists[i];
        if (tmpsum > calcval) {
            return i;
        }
    }
    return 0;
}

//求自适应阈值的最小和最大值
void GetMatMinMaxThreshold(Mat& img, int& minval, int& maxval, float sigma)
{
    int midval = GetMatMidVal(img);
    cout << "midval:" << midval << endl;
    // 计算低阈值
    minval = saturate_cast<uchar>((1.0 - sigma) * midval);
    //计算高阈值
    maxval = saturate_cast<uchar>((1.0 + sigma) * midval);
}

结论：

从上图中可以看出，命令行窗口中min和max就是求出的高低阈值，使用Canny边缘检测时直接就按这两个高低阈值处理的。对于灰度图像，效果较好。

严谨性不高，后续仍需改进！！