Canny边缘检测算法被很多人推崇为当今最优秀的边缘检测算法，所以我们第一个就介绍他。

opencv中提供了Canny函数。

#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>using namespace std;
using namespace cv;//边缘检测
int main()
{Mat img = imread("lol3.jpg");imshow("原始图", img);Mat DstPic, edge, grayImage;//创建与src同类型和同大小的矩阵DstPic.create(img.size(), img.type());//将原始图转化为灰度图cvtColor(img, grayImage, COLOR_BGR2GRAY);//先使用3*3内核来降噪blur(grayImage, edge, Size(3, 3));//运行canny算子Canny(edge, edge, 3, 9, 3);imshow("边缘提取效果", edge);waitKey(0);}

看了canny算法提取的轮廓图，感觉真是厉害，居然把那么细致的额轮廓都提取出来了！

Sobel算法

#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>using namespace std;
using namespace cv;//边缘检测
int main()
{Mat img = imread("lol3.jpg");imshow("原始图", img);Mat grad_x, grad_y;Mat abs_grad_x, abs_grad_y, dst;//求x方向梯度Sobel(img, grad_x, CV_16S, 1, 0, 3, 1, 1,BORDER_DEFAULT);convertScaleAbs(grad_x, abs_grad_x);imshow("x方向soble", abs_grad_x);//求y方向梯度Sobel(img, grad_y,CV_16S,0, 1,3, 1, 1, BORDER_DEFAULT);convertScaleAbs(grad_y,abs_grad_y);imshow("y向soble", abs_grad_y);//合并梯度addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);imshow("整体方向soble", dst);waitKey(0);}

通过下图可以看出，sobel的轮廓提取明显有没cnany的那么细致，只是把一些明显轮廓的边缘提取出来了，看起来会更舒服一点。

灰度图的效果

Laplacian算法

#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>using namespace std;
using namespace cv;//边缘检测
int main()
{Mat img = imread("lol3.jpg");imshow("原始图", img);Mat gray, dst,abs_dst;//高斯滤波消除噪声GaussianBlur(img, img, Size(3, 3), 0, 0, BORDER_DEFAULT);//转换为灰度图cvtColor(img, gray, COLOR_RGB2GRAY);//使用Laplace函数//第三个参数：目标图像深度；第四个参数：滤波器孔径尺寸；第五个参数：比例因子；第六个参数：表示结果存入目标图Laplacian(gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT);//计算绝对值，并将结果转为8位convertScaleAbs(dst, abs_dst);imshow("laplace效果图", abs_dst);waitKey(0);}

但是感觉效果一般，图像变得模糊了。