1，Canny 边缘检测算法
Canny 算法希望在提高边缘的敏感性的同时抑制噪声， 具体而言包括三个基本目标：
错误率低，对边缘的错判率、漏判率低；
定位性能好，检测的边缘点尽可能接近实际边缘的中心；
单一边缘有且应当只有一个准确的响应 ，并尽可能抑制虚假边缘。
Canny 算法的本质是从数学上表达了这三个准则，并试图得到最优解。Canny 算法使用四个指数函数的线性组合形成的最佳边缘算子，可以由高斯函数的一阶导数来近似。
Canny 边缘检测算法是目前最优秀和最流行的边缘检测算法之一。算法不容易受噪声影响，能够识别图像中的弱边缘和强边缘，并能结合强弱边缘的位置关系给出图像整体的边缘信息。但是 Canny 算法编程复杂、运算较慢。
Canny 算法的基本步骤为：
（1）使用高斯滤波对图像进行平滑；
用二维高斯核与灰度图像进行卷积，实现平滑滤波：![在这里插入图片描述]
（2）用一阶有限差分计算梯度幅值和方向；
梯度向量的幅度 M 和角度 α \alpha α 为：
具体应用中，可以采用 Sobel 算子、Prewitt算子、Roberts算子等进行梯度幅值的计算。
（3）对梯度幅值进行非极大值抑制（NMS）；
为了实现单一边缘仅有唯一响应，沿着梯度方向寻找像素点的局部最大值， 将局部最大值之外的所有梯度值抑制为 0，剔除非边缘的像素点。
（4）用双阈值处理和连通性分析来检测和连接边缘。
应用双阈值 TH、TL 划分强边缘和弱边缘。将边缘处的梯度幅值与阈值比较：如果大于 TH则标记为强边缘，如果在 TL 与 TH 之间则标记为弱边缘，如果小于 TL 则被抛弃。
2，API:Canny
CV_EXPORTS_W void Canny( InputArray image, OutputArray edges,
double threshold1, double threshold2,
int apertureSize = 3, bool L2gradient = false );
参数说明：
image：输入图像，8-bit 灰度图像，不适用彩色图像
edges：输出边缘图像，8-bit 单通道图像，大小与输入图像相同
threshold1：第一阈值 TL
threshold2：第二阈值 TH
apertureSize：Sobel 卷积核的孔径，可选项，默认值 3
L2gradient： 计算图像梯度幅值 标志符，默认值为 True 表示 L2 法，False 表示 L1 法
注意事项：
阈值 TL 用于边缘连接，阈值 TH 用于控制强边元的初值，推荐选择阈值比为 1:2~1:3。
3，用法
//canny 边缘提取
void canny_demo(int, void*) {
Mat edges, dst;
Canny(src, edges, t1, t1*3, 3, false);
bitwise_and(src, src, dst, edges);
imshow("edges", dst);
}
//图像边缘提取
int main() {
src = imread("F:/code/images/test.png");
if (src.empty()) {
printf("fail to read");
return -1;
}
namedWindow("input", WINDOW_AUTOSIZE);
imshow("input", src);
//canny 边缘提取
createTrackbar("threshoold value", "input", &t1, 100, canny_demo);
canny_demo(0, 0);
waitKey(0);
destroyAllWindows();
return 0;
}
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/182007.html
