C++ Opencv 实现Canny算法
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录
- 前言
- 一、pandas是什么？
- 二、使用步骤
- 1.引入库
- 2.读入数据
- 总结
前言
复习Canny边缘检测算法原理，并借助C++, Opencv简单实现
一、Canny 实现步骤描述
本文Canny边缘检测算法实现步骤如下：
1. 应用高斯模糊滤除图像噪声，算法借助梯度检测边缘，但是梯度检测对噪声敏感，应用高斯滤波器可以滤除图像噪声，提高边缘检测准确率；
2. 应用Sobel算法计算整幅图像的梯度幅值和角度，这里借助opencv cartToPolar()方法实现梯度幅值和角度的计算；
3. 对角度图像中每一角度值从0~360角度值归一化到[0, 45, 90, 135]这四个值；
4. 应用梯度幅值的非极大值抑制算法剔除不满足条件的边缘像素：遍历梯度幅值图像中每一像素点，根据该像素点角度值找到该像素点正、反方向邻近像素点梯度幅值并作比较，如果该像素点的梯度幅值大于邻近正、反方向邻近像素点，则在梯度幅值图像中保留，否则该像素点梯度幅值置为0；
5. 应用高、低阈值判断是否为边缘像素点：（1）如果梯度幅值图像中该点值大于高阈值，判定为边缘像素点；（2）如果梯度幅值图像中该点值小于低阈值，判定为非边缘像素点；（3）如果梯度幅值图像中该点值介于高、低阈值间，则要进行进一步判断：如果该点8邻域像素点有被判定为边缘像素点，则判定该点为边缘像素点， 否则判定为非边缘像素点。
二、代码实现
{// 1. Gaussian blurringMat gauImg;GaussianBlur(*pSrcImg, gauImg, Size(5, 5), 0);if (debug){imshow("gaussian", gauImg);cv::waitKey(0);}Mat grayImg;if (gauImg.channels() == 3)cvtColor(gauImg, grayImg, COLOR_BGR2GRAY);elsegrayImg = gauImg.clone();if (debug){imshow("gray", grayImg);cv::waitKey(0);}// 2. calc gradient angle and magnitudeMat sobxImg, sobyImg, angleImg_orig, angleImg, magImg;Sobel(grayImg, sobxImg, CV_32FC1, 1, 0);Sobel(grayImg, sobyImg, CV_32FC1, 0, 1);if (debug){imshow("sobel x", sobxImg);imshow("sobel y", sobyImg);cv::waitKey(0);}cartToPolar(sobxImg, sobyImg, magImg, angleImg_orig, true);// normal angleImg_orig(angle value: 0~360) to angleImg( angle value: [0, 45, 90, 135])angleImg = Mat(angleImg_orig.size(), CV_8UC1);for (int row = 0; row < angleImg_orig.rows; row++){for (int col = 0; col < angleImg_orig.cols; col++){if ((angleImg_orig.at<float>(row, col) >= 0 && angleImg_orig.at<float>(row, col) < 22.5) ||(angleImg_orig.at<float>(row, col) >= 337.5 && angleImg_orig.at<float>(row, col) < 360) ||angleImg_orig.at<float>(row, col) >= 157.5 && angleImg_orig.at<float>(row, col) < 202.5){angleImg.at<uchar>(row, col) = 0;}else if ((angleImg_orig.at<float>(row, col) >= 22.5 && angleImg_orig.at<float>(row, col) < 67.5) ||(angleImg_orig.at<float>(row, col) >= 202.5 && angleImg_orig.at<float>(row, col) < 247.5)){angleImg.at<uchar>(row, col) = 45;}else if ((angleImg_orig.at<float>(row, col) >= 67.5 && angleImg_orig.at<float>(row, col) < 112.5) ||(angleImg_orig.at<float>(row, col) >= 247.5 && angleImg_orig.at<float>(row, col) < 292.5)){angleImg.at<uchar>(row, col) = 90;}else{angleImg.at<uchar>(row, col) = 135;}}}// 3. non-maximum magnitude edge point suppressionMat nmsImg = Mat::zeros(magImg.size(), CV_8UC1);Mat nmsMagImg = Mat::zeros(magImg.size(), CV_32FC1);for (int row = 1; row < nmsImg.rows - 1; row++){for (int col = 1; col < nmsImg.cols - 1; col++){if (angleImg.at<uchar>(row, col) == 0 &&(magImg.at<float>(row, col) > magImg.at<float>(row, col - 1) &&magImg.at<float>(row, col) > magImg.at<float>(row, col + 1))){nmsMagImg.at<float>(row, col) = magImg.at<float>(row, col);nmsImg.at<uchar>(row, col) = 255;continue;}if (angleImg.at<uchar>(row, col) == 45 &&(magImg.at<float>(row, col) > magImg.at<float>(row - 1, col + 1) &&magImg.at<float>(row, col) > magImg.at<float>(row + 1, col - 1))){nmsMagImg.at<float>(row, col) = magImg.at<float>(row, col);nmsImg.at<uchar>(row, col) = 255;continue;}if (angleImg.at<uchar>(row, col) == 90 &&(magImg.at<float>(row, col) > magImg.at<float>(row - 1, col) &&magImg.at<float>(row, col) > magImg.at<float>(row + 1, col))){nmsMagImg.at<float>(row, col) = magImg.at<float>(row, col);nmsImg.at<uchar>(row, col) = 255;continue;}if (angleImg.at<uchar>(row, col) == 135 &&(magImg.at<float>(row, col) > magImg.at<float>(row - 1, col - 1) &&magImg.at<float>(row, col) > magImg.at<float>(row + 1, col + 1))){nmsMagImg.at<float>(row, col) = magImg.at<float>(row, col);nmsImg.at<uchar>(row, col) = 255;continue;}}}if (debug){imshow("nms", nmsImg);imshow("nms mag", nmsMagImg);cv::waitKey(0);}// 4. filter out edge points by low theshold and high threshold// 4.1 judge strong edge point: nmxMagImg pixel value > hightThres// judge weakge edge point: nmxMagImg pixel value < lowThres// note: if use magImg to judge, result image will like threshold() output image - rough edgeMat result = nmsImg.clone();for (int row = 1; row < result.rows - 1; row++){for (int col = 1; col < result.cols - 1; col++){if (nmsMagImg.at<float>(row, col) >= highThres)// note: must be nmsMagImg, not be magImg{result.at<uchar>(row, col) = 255;}if (nmsMagImg.at<float>(row, col) < lowThres){result.at<uchar>(row, col) = 0;}}}if (debug){imshow("strong edge", result);cv::waitKey(0);}// .4.2 judge medium edge points : lowThres< nmsMagImg pixel value <hightThresfor (int row = 1; row < result.rows - 1; row++){for (int col = 1; col < result.cols - 1; col++){if (nmsMagImg.at<float>(row, col) >= lowThres && nmsMagImg.at<float>(row, col) < highThres){if (result.at<uchar>(row - 1, col - 1) == 255 || result.at<uchar>(row - 1, col) == 255 ||result.at<uchar>(row - 1, col + 1) == 255 || result.at<uchar>(row, col + 1) == 255 ||result.at<uchar>(row + 1, col + 1) == 255 || result.at<uchar>(row + 1, col) == 255 ||result.at<uchar>(row + 1, col - 1) == 255 || result.at<uchar>(row, col - 1) == 255){result.at<uchar>(row, col) = 255;}else{result.at<uchar>(row, col) = 0;}}}}if (debug){imshow("my canny", result);cv::waitKey(0);}}三、测试结果
1. 原图：
2. 本文实现Canny输出：lowThres=50, hightThres=100
总结
本文只是简单实现了Canny算法，和opencv Canny函数的输出还是有差距的,特别是当高、低阈值比较大时，Opencv Canny函数输出图像保留更多图像边缘信息（个人认为是梯度幅值介于高、低阈值时只是简单依据该像素点8邻域范围内是否有强边缘像素点判定是否为强边缘像素点，导致很多边缘像素点丢失，造成边缘不连续，读者可以在这一方向改进）。
C++ Opencv 实现Canny算法相关推荐
- 《OpenCv视觉之眼》Python图像处理十四 :Opencv图像轮廓提取之Scharr算法和Canny算法
本专栏主要介绍如果通过OpenCv-Python进行图像处理,通过原理理解OpenCv-Python的函数处理原型,在具体情况中,针对不同的图像进行不同等级的.不同方法的处理,以达到对图像进行去噪.锐 ...
- OpenCV 【七】————边缘提取算子（图像边缘提取）——canny算法的原理及实现
canny边缘检测实现(C++.opencv) 1.作用: 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 ...
- 【OpenCV 4开发详解】Canny算法
本文首发于"小白学视觉"微信公众号,欢迎关注公众号 本文作者为小白,版权归人民邮电出版社发行所有,禁止转载,侵权必究! 经过几个月的努力,小白终于完成了市面上第一本OpenCV 4 ...
- Python+Opencv实现无参数、全自动的Canny算法
目录 一.什么是Canny边缘检测算法? 二.最优边缘准则是什么? 三.Canny算法实现步骤 四.Canny算法在使用中的问题? 五.无参数.自动化Canny算法代码实现 六.改进算法效果展示 七. ...
- Python，Opencv cv2.Canny()边缘检测
Python,Opencv的Canny边缘检测 1. 效果图 2. 源码 参考 这篇博客将介绍Canny边缘检测的概念,并利用cv2.Canny()实现边缘检测: Canny边缘检测是一种流行的边缘检 ...
- OpenCV函数 Canny 检测边缘
OpenCV函数 Canny 检测边缘. 原理 Canny 边缘检测算法 是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法,也被很多人认为是边缘检测的 最优算法, 最优边缘 ...
- 边缘检测（5）Canny算法
边缘检测 1.Sobel 2.Laplace 3.Roberts 4.Canny Canny canny对边缘检测质量进行分析时,有3个原则: 1.信噪比准则 2.定位精度准则 3.单边缘响应准则 ...
- python canny算法_Python 实现 Canny 边缘检测算法
Canny 边缘检测算法由计算机科学家 John F. Canny 于 1986 年提出的.其不仅提供了算法,还带来了一套边缘检测的理论,分阶段的解释如何实现边缘检测.Canny 检测算法包含下面几个 ...
- Python+OpenCV：Canny边缘检测
Python+OpenCV:Canny边缘检测 理论 Canny边缘检测是目前比较流行的边缘检测算法,它由John F. Canny发明. 1. 这是一个多阶段的算法. 2. 降噪:由于边缘检测容易受 ...
最新文章
- Spring事务支持：利用继承简化配置
- python官网下载安装教程-各种版本的Python下载安装教程
- Padding Oracle Attack填充提示攻击-渗透测试
- 谷歌go语言课程讲解资源
- 检查坏道右键单击盘符/属性/工具中的查错。
- [Java基础]字符缓冲流
- php mssql扩展SQL查询中文字段名解决方法
- c++ vector常用用法总结
- 零基础大数据学习框架
- 数据挖掘导论——可视化分析实验
- 文件存储-CephFS
- 22. vCenter上解决”此主机当前没有管理网络冗余“的警告
- 记录第一次面试的体会（字节跳动实习生招聘）
- 怎样检测和应对数据集的Outliers
- echarts二次渲染时宽高为0图表不显示
- md文件打开方式推荐
- 国际短信有哪些用途？
- ftp服务器型号,ftp服务器的类型及其特点
- 上海发布通知：年底前全面清退不符条件的网约车车辆和驾驶员
- Error:All flavors must now belong to a named flavor dimension. Learn more at