一、原理简介
边缘检测原理 - Sobel, Laplace, Canny算子
X方向Sobel算子
| -1 | -2 | -1 |
| 0 | 0 | 0 |
| 1 | 2 | 1 |
Y方向Sobel算子
| -1 | 0 | 1 |
| -2 | 0 | 2 |
| -1 | 0 | 1 |
Laplace算子
| 1 | 1 | 1 |
| 1 | -8 | 1 |
| 1 | 1 | 1 |
Canny 边缘检测算子
高斯滤波器平滑图像
一阶差分偏导计算梯度值和方向
对梯度值不是极大值的地方进行抑制
用双阈值连接图上的联通点
通俗说一下，
1.用高斯滤波主要是去掉图像上的噪声。
2.计算一阶差分，OpenCV 源码中也是用 sobel 算子来算的。
3.算出来的梯度值，把不是极值的点，全部置0，去掉了大部分弱的边缘。所以图像边缘会变细。
4.双阈值 t1, t2, 是这样的，t1 <= t2
大于 t2 的点肯定是边缘
小于 t1 的点肯定不是边缘
在 t1, t2 之间的点，通过已确定的边缘点，发起8领域方向的搜索（广搜），图中可达的是边缘，不可达的点不是边缘。
最后得出 canny 边缘图。
二、代码演示
有关函数 convertScaleAbs，文档解释如下，不过这里不使用其放缩功能
1、Sobel 边缘检测算子
由于需要指定横向纵向，所以分两步进行，最后组合即可，
cv::Mat image = cv::imread("test.jpg");
cv::imshow("原图", image);
cv::Mat gray;
cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
cv::Mat contours;
cv::Mat sobelX, sobelY;
cv::Sobel(
image,
sobelX,
CV_16S, // 图像depth，输入8U，输出16S防止外溢
1, 0, // xorder, yorder
3, // 内核尺寸
1, 1 // 输出结果乘alpha加beta
);
cv::convertScaleAbs(sobelX, sobelX);
cv::imshow("Sobel_X", sobelX);
cv::Sobel(
image,
sobelY,
CV_8U,
0, 1,
3,
1, 1
);
cv::convertScaleAbs(sobelY, sobelY);
cv::imshow("Sobel_Y", sobelY);
cv::addWeighted(sobelX, 0.5, sobelY, 0.5, 0, contours);
cv::imshow("Sobel", contours);
XY单方向输出如下，
两这合并如下，
2、Laplace 边缘检测算子
// cv::Mat image = cv::imread("skin.jfif");
cv::Mat image = cv::imread("test.jpg");
cv::imshow("原图", image);
cv::Mat gray;
cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
cv::Mat contours;
cv::GaussianBlur(gray, gray, cv::Size(5, 5), 1.5);
cv::Laplacian(
gray,
contours,
CV_16S,
3, // 内核尺寸
1, 0 // 放缩因子
);
cv::convertScaleAbs(contours, contours);
cv::imshow("Laplacian", contours);
3、Canny 边缘检测算子
// cv::Mat image = cv::imread("skin.jfif");
cv::Mat image = cv::imread("test.jpg");
cv::imshow("原图", image);
cv::Mat gray;
cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
cv::Mat contours;
cv::GaussianBlur(gray, gray, cv::Size(5, 5), 1.5);
cv::Canny(
gray,
contours,
10, // 低阈值
150 // 高阈值
);
cv::imshow("Canny", contours);
高低阈值参数的设定对于检测效果影响很大，一般来说低阈值检测出十分琐碎的边缘，且设置的越低检测出来的越多，而高阈值这决定了保留多少边缘，对于上图，我们将高阈值下调至50查看一下效果，会发现保留细节数目增加了
附录、函数总览
void edge() {
// cv::Mat image = cv::imread("skin.jfif");
cv::Mat image = cv::imread("test.jpg");
cv::imshow("原图", image);
cv::Mat gray;
cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
cv::Mat contours;
cv::GaussianBlur(gray, gray, cv::Size(5, 5), 1.5);
cv::Canny(
gray,
contours,
10, // 低阈值
150 // 高阈值
);
cv::imshow("Canny", contours);
cv::Laplacian(
gray,
contours,
CV_16S,
3, // 内核尺寸
1
);
cv::Mat abs_dst;
cv::convertScaleAbs(contours, contours);
cv::imshow("Laplacian", contours);
cv::Mat sobelX, sobelY;
cv::Sobel(
image,
sobelX,
CV_16S, // 图像depth，输入8U，输出16S防止外溢
1, 0, // xorder, yorder
3, // 内核尺寸
1, 1 // 输出结果乘alpha加beta
);
cv::convertScaleAbs(sobelX, sobelX);
cv::imshow("Sobel_X", sobelX);
cv::Sobel(
image,
sobelY,
CV_8U,
0, 1,
3,
1, 1
);
cv::convertScaleAbs(sobelY, sobelY);
cv::imshow("Sobel_Y", sobelY);
cv::addWeighted(sobelX, 0.5, sobelY, 0.5, 0, contours);
cv::imshow("Sobel", contours);
}