返回:OpenCV系列文章目录（持续更新中......）

上一篇：OpenCV如何实现拉普拉斯算子的离散模拟

下一篇 :OpenCV系列文章目录（持续更新中......）

理论

Canny Edge探测器[48]由John F. Canny于1986年开发。Canny 算法也被许多人称为最佳检测器，旨在满足三个主要标准：

• 低错误率：这意味着仅对现有边缘的良好检测。
• 良好的本地化：必须最小化检测到的边缘像素与实际边缘像素之间的距离。
• 最小响应：每个边沿只有一个检测器响应。

步骤

1. 过滤掉任何噪音。高斯滤波器用于此目的。可能使用的(size = 5)高斯核示例如下所示：

1. 找到图像的强度渐变。为此，我们遵循类似于 Sobel 的过程：

 a).应用一对卷积掩码在 x 和y 方向上：

​编辑 

 b).通过以下方式找到梯度强度和方向：:

​编辑

1. 方向四舍五入为四个可能的角度之一（即 0、45、90 或 135）
2. 应用非最大抑制。这将删除不被视为边的一部分的像素。因此，将只保留细线（候选边）。

3. 滞后：最后一步。Canny 确实使用两个阈值（上限和下限）：

   1. 如果像素渐变高于上限阈值，则该像素被接受为边缘
   2. 如果像素渐变值低于下限阈值，则将拒绝该值。
   3. 如果像素渐变介于两个阈值之间，则仅当它连接到高于上限阈值的像素时，才会被接受。

   Canny 建议在 2：1 和 3：1 之间使用上下比例。

4. 有关更多详细信息，您可以随时查阅您最喜欢的计算机视觉书籍。

1、C++代码演示：

• 教程代码如下所示。您也可以从这里下载

  #include "opencv2/imgproc.hpp"
  #include "opencv2/highgui.hpp"
  #include <iostream>
   
  using namespace cv;
   
  Mat src, src_gray;
  Mat dst, detected_edges;
   
  int lowThreshold = 0;
  const int max_lowThreshold = 100;
  const int ratio = 3;
  const int kernel_size = 3;
  const char* window_name = "Edge Map";
   
  static void CannyThreshold(int, void*)
  {
   blur( src_gray, detected_edges, Size(3,3) );
   
   Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );
   
   dst = Scalar::all(0);
   
   src.copyTo( dst, detected_edges);
   
   imshow( window_name, dst );
  }
   
   
  int main( int argc, char** argv )
  {
   CommandLineParser parser( argc, argv, "{@input | fruits.jpg | input image}" );
   src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR ); // Load an image
   
   if( src.empty() )
   {
   std::cout << "Could not open or find the image!\n" << std::endl;
   std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;
   return -1;
   }
   
   dst.create( src.size(), src.type() );
   
   cvtColor( src, src_gray, COLOR_BGR2GRAY );
   
   namedWindow( window_name, WINDOW_AUTOSIZE );
   
   createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );
   
   CannyThreshold(0, 0);
   
   waitKey(0);
   
   return 0;
  }

• 这个程序是做什么的？
  • 要求用户输入一个数值来设置我们的 Canny Edge Detector 的下限阈值（通过跟踪栏）。
  • 应用 Canny Detector 并生成蒙版（亮线表示黑色背景上的边缘）。
  • 应用在原始图像上获取的蒙版并将其显示在窗口中。

 创建一些需要的变量：

 2、说明（C++ 代码）

Mat src, src_gray;
Mat dst, detected_edges;
 
int lowThreshold = 0;
const int max_lowThreshold = 100;
const int ratio = 3;
const int kernel_size = 3;
const char* window_name = "Edge Map";

1. 请注意以下事项：

   1. 我们建立了 3：1 的下限：上限阈值（具有可变比率）。
   2. 我们将内核大小设置为 （用于由 Canny 函数在内部执行的 Sobel 操作）。3
   3. 我们为 的下限阈值设置了最大值。100
2. 加载源图像：

 CommandLineParser parser( argc, argv, "{@input | fruits.jpg | input image}" );
 src = i mread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR ); // Load an image
 
 if( src.empty() )
 {
 std::cout << "Could not open or find the image!\n" << std::endl;
 std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;
 return -1;
 }

1. 创建一个与 src 类型和大小相同的矩阵（待 dst）：

    dst.create( src.size(), src.type() );

2. 将图像转换为灰度（使用函数 cv::cvtColor ）：

    cvtColor( src, src_gray, COLOR_BGR2GRAY );

3. 创建一个窗口来显示结果：

    namedWindow( window_name, WINDOW_AUTOSIZE );

4. 为用户创建一个跟踪栏，以输入我们的 Canny 检测器的下限:

    createTrackbar( "Min Threshold:", window_name, &lowThreshold, max_lowThreshold, CannyThreshold );

5. 请注意以下事项：
   1. 要由 Trackbar 控制的变量是 lowThreshold，限制为 max_lowThreshold（我们之前将其设置为 100）
   2. 每次 Trackbar 注册操作时，都会调用回调函数 CannyThreshold。
6. 让我们一步一步地检查 CannyThreshold 函数：

 a、首先，我们用内核大小为 3 的过滤器对图像进行模糊处理

 blur( src_gray, detected_edges, Size(3,3) );

 b、其次，我们应用 OpenCV 函数 cv::Canny 

 Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );

7、我们用零填充目标图像（表示图像完全是黑色的）。

 dst = Scalar::all(0);

 src.copyTo( dst, detected_edges);

 imshow( window_name, dst );

结果

• 编译上面的代码后，我们可以运行它，将图像的路径作为参数。例如，使用以下图像作为输入：

• 移动滑块，尝试不同的阈值，我们得到以下结果：

参考文献：

1、《Canny Edge Detector》---Ana Huamán