1,原理

canny边缘检测算子是传统边缘检测算子中最优秀的，canny检测基于下面三个目标：

（1）低错误率。即所有边缘都应该找到，并且没有虚假边缘。

（2）准确的定位边缘。即检测到的边缘应该接近真实的边缘。

（3）单个边缘点响应。即对于边缘检测，只返回单点厚度的结果。

1.1 方法步骤

（1）使用高斯滤波器平滑图像（基本边缘检测基本都有这步，为了减少噪声的影响）

（2）计算梯度幅值和边缘方向

（3）非极大值抑制（细化边缘）

（4）使用双阈值处理和连通性分析检测和链接边缘

2 c++ opencv代码

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;	


int main()
{
	string path = "./img_all/2.png";
	Mat img = imread(path);
	Mat imgGray, imgBlur, imgCanny, imgDil, imgErode;

	cvtColor(img, imgGray, COLOR_BGR2GRAY); //灰度化
	GaussianBlur(img, imgBlur, Size(3, 3), 3, 0); //高斯模糊
	Canny(imgBlur, imgCanny, 25, 75); //边缘检测

	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
	dilate(imgCanny, imgDil, kernel);
	erode(imgDil, imgErode, kernel);

	imshow("Image", img);
	imshow("ImageGray", imgGray);
	imshow("ImageBlur", imgBlur);
	imshow("ImageCanny", imgCanny);
	imshow("ImageDilation", imgDil);
	imshow("ImageErode", imgErode);
	waitKey(0);

	return 0;
}

定义了一个字符串变量 path，存储要处理的图像文件的路径

Mat img = imread(path);

使用 imread 函数从指定路径读取图像到 Mat 类型的变量 img 中。

Mat imgGray, imgBlur, imgCanny, imgDil, imgErode;

声明了五个 Mat 类型的变量，分别用于存储不同处理阶段的图像。

cvtColor(img, imgGray, COLOR_BGR2GRAY); //灰度化

使用 cvtColor 函数将原始图像 img 转换为灰度图像 imgGray。

GaussianBlur(imgGray, imgBlur, Size(3, 3), 3, 0); //高斯模糊

使用 GaussianBlur 函数对灰度图像 imgGray 应用高斯模糊，生成模糊后的图像 imgBlur。Size(3, 3) 定义了高斯核的大小，3 是高斯核的标准偏差。

Canny(imgBlur, imgCanny, 25, 75); //边缘检测

使用 Canny 函数对模糊后的图像 imgBlur 进行边缘检测，生成边缘图像 imgCanny。25 和 75 是边缘检测的阈值。

Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));

创建了一个结构元素 kernel，用于膨胀和腐蚀操作。这里使用的是矩形结构元素，大小为 3x3。

dilate(imgCanny, imgDil, kernel);

使用 dilate 函数对边缘图像 imgCanny 进行膨胀操作，生成膨胀后的图像 imgDil。

erode(imgDil, imgErode, kernel);

使用 erode 函数对膨胀后的图像 imgDil 进行腐蚀操作，生成腐蚀后的图像 imgErode。

3，结果