OpenCV边缘检测
原理：
参考链接：https://blog.csdn.net/poem_qianmo/article/details/25560901
Sobel算子
OpenCV调用：
C++: void Sobel (
InputArray src,//输入图
OutputArray dst,//输出图
int ddepth,//输出图像的深度
int dx,
int dy,
int ksize=3,
double scale=1,
double delta=0,
int borderType=BORDER_DEFAULT );
-
第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。
-
第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。
-
第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：
- 若src.depth() = CV_8U, 取ddepth=-1/CV_16S/CV_32F/CV_64F
- 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
- 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
- 若src.depth() = CV_64F, 取ddepth = -1/CV_64F
- 第四个参数，int类型dx，x 方向上的差分阶数。
- 第五个参数，int类型dy，y方向上的差分阶数。
- 第六个参数，int类型ksize，有默认值3，表示Sobel核的大小;必须取1，3，5或7。
- 第七个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。
我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。
-
第八个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。
-
第九个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。
自写Sobel算子边缘检测：
//把图像的各个像素点的值存到一个二维数组，增加代码的可读性
int img_garry[imgHeight][imgWidth];
for(int i = 0; i<imgHeight; i++)
{
for(int j = 0; j<imgWidth;j++)
{
img_garry[i][j] = grayData[i*imgWidth+j];
}
}
//sobel算法
IplImage* sobel_img = NULL; //创建用于灰度图像的结构体指针
sobel_img = cvCreateImage(cvSize(imgWidth,imgHeight), imgDepth, 1 ); //创建单通道的色彩空间用于灰度变换
uchar *sobel_Data = (uchar*) sobel_img->imageData;//声明无符号char型指针指向结构体的变量imageData
double Gmax = 150; //设定阈值Gmax
double Gx=0;
double Gy=0;
double G =0;
for(int i = 1;i<imgHeight-2; i++)
for(int j = 1;j<imgWidth-2; j++)
{
Gx = -1 * img_garry[i-1][j-1] + 0 * img_garry[i-1][ j ] + 1 * img_garry[i-1][j+1]
+ -2 * img_garry[ i ][j-1] + 0 * img_garry[ i ][ j ] + 2 * img_garry[ i ][j+1]
+ -1 * img_garry[i+1][j-1] + 0 * img_garry[i+1][ j ] + 1 * img_garry[i+1][j+1];
Gy = -1 * img_garry[i-1][j-1] + -2 * img_garry[i-1][ j ] + -1 * img_garry[i-1][j+1]
+ 0 * img_garry[ i ][j-1] + 0 * img_garry[ i ][ j ] + 0 * img_garry[ i ][j+1]
+ 1 * img_garry[i+1][j-1] + 2 * img_garry[i+1][ j ] + 1 * img_garry[i+1][j+1];
G = sqrt(Gx*Gx+Gy*Gy);
if(G>Gmax)
sobel_Data[i*imgWidth+j]=255;
else
sobel_Data[i*imgWidth+j] = 0;
}
cvShowImage("sobel_img", sobel_img); //显示彩色图像灰度处理的图像
Laplace算子
OpenCV调用：
C++: void Laplacian(InputArray src,OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, int borderType=BORDER_DEFAULT );
- 第一个参数，
InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。 - 第二个参数，
OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和通道数。 - 第三个参数，
int类型的ddepth，目标图像的深度。 - 第四个参数，
int类型的ksize，用于计算二阶导数的滤波器的孔径尺寸，大小必须为正奇数，且有默认值1。 - 第五个参数，
double类型的scale，计算拉普拉斯值的时候可选的比例因子，有默认值1。 - 第六个参数，
double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。 - 第七个参数，
int类型的borderType，边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate()处得到更详细的信息。
Laplacian()函数其实主要是利用sobel算子的运算。它通过加上sobel算子运算出的图像x方向和y方向上的导数，来得到我们载入图像的拉普拉斯变换结果。
自写Sobel算子边缘检测：
//laplace算法
IplImage* laplace_img = NULL; //创建用于灰度图像的结构体指针
laplace_img = cvCreateImage(cvSize(imgWidth,imgHeight), imgDepth, 1 ); //创建单通道的色彩空间用于灰度变换
uchar *laplace_Data = (uchar*) laplace_img->imageData;//声明无符号char型指针指向结构体的变量imageData
double L =0;
for(int i = 1;i<imgHeight-2; i++)
{
for(int j = 1;j<imgWidth-2; j++)
{
L = 0 * img_garry[i-1][j-1] + 1 * img_garry[i-1][ j ] + 0 * img_garry[i-1][j+1]
+ 1 * img_garry[ i ][j-1] + -4 * img_garry[ i ][ j ] + 1 * img_garry[ i ][j+1]
+ 0 * img_garry[i+1][j-1] + 1 * img_garry[i+1][ j ] + 0 * img_garry[i+1][j+1];
if(L>255)
laplace_Data[i*imgWidth+j] = 255;
else if( 0<L & L<255)
laplace_Data[i*imgWidth+j] = L ;
else if(L<0)
laplace_Data[i*imgWidth+j] = 0 ;
}
}
cvShowImage("laplace_img", laplace_img);
Canny算子
OpenCV调用：
C++: void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )
-
第一个参数，
InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。 -
第二个参数，
OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。 -
第三个参数，
double类型的threshold1，第一个滞后性阈值。 -
第四个参数，
double类型的threshold2，第二个滞后性阈值。 -
第五个参数，
int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。 -
第六个参数，
bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。 -
需要注意的是，这个函数阈值1和阈值2两者的小者用于边缘连接，而大者用来控制强边缘的初始段，推荐的高低阈值比在2:1到3:1之间。
openCV调用示例：
//Canny算法
Mat Canny_Image = imread("/Users/inbc/Desktop/OpenCV学习/opencv_test_3/666.jpg");//注意修改路径
if (!Canny_Image.data){
cout << "falied to read" << endl;
system("pause");
//return;
}
Mat srcGray;
cvtColor(Canny_Image, srcGray, CV_BGR2GRAY);
//高斯滤波
GaussianBlur(srcGray, srcGray, Size(3, 3),
0, 0, BORDER_DEFAULT);
//Canny检测
int edgeThresh =100;
Mat Canny_result;
Canny(Canny_Image, Canny_result, edgeThresh, edgeThresh * 3, 3); //调用Canny算子
imshow("Canny_Image", Canny_Image);
imshow("Canny_Image", Canny_result);
Hough变换检测直线
OpenCV调用：
C++：void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta, int threshold, double minLineLength=0, double maxLineGap=0 )
- 第一个参数，
InputArray类型的image，输入图像，即源图像，需为8位的单通道二进制图像，可以将任意的源图载入进来后由函数修改成此格式后，再填在这里。 - 第二个参数，
InputArray类型的lines，经过调用HoughLinesP函数后后存储了检测到的线条的输出矢量，每一条线由具有四个元素的矢量(x_1,y_1,x_2, y_2）表示，其中，(x_1, y_1)和(x_2, y_2)是是每个检测到的线段的结束点。 - 第三个参数，
double类型的rho， 以像素为单位的距离精度。 另一种形容方式是直线搜索时的进步尺寸的单位半径。 - 第四个参数，
double类型的theta，以弧度为单位的角度精度。另一种形容方式是直线搜索时的进步尺寸的单位角度。 - 第五个参数，
int类型的threshold，累加平面的阈值参数，即识别某部分为图中的一条直线时它在累加平面中必须达到的值。 大于阈值threshold的线段才可以被检测通过并返回到结果中。 - 第六个参数，
double类型的minLineLength，有默认值0，表示最低线段的长度，比这个设定参数短的线段就不能被显现出来。 - 第七个参数，
double类型的maxLineGap，有默认值0，允许将同一行点与点之间连接起来的最大的距离。
OpenCV调用示例：
//Hough变换检测直线
Mat Hough_Image = imread("/Users/inbc/Desktop/OpenCV学习/opencv_test_3/666.jpg", 0);//注意修改路径
Mat CannyImg;
Canny(Hough_Image, CannyImg, 70, 200, 3);
imshow("CannyImg_2", CannyImg);
Mat DstImg;
cvtColor(Hough_Image, DstImg, CV_GRAY2BGR);
vector<Vec4i> Lines;
HoughLinesP(CannyImg, Lines, 1, CV_PI / 360, 170,30,15);
for (size_t i = 0; i < Lines.size(); i++)
{
line(DstImg, Point(Lines[i][0], Lines[i][1]), Point(Lines[i][2], Lines[i][3]), Scalar(0, 0, 255), 2, 8);
}
imshow("Hough_Image", DstImg);