边缘检测的一般步骤:
最优边缘检测的三个评价标准:
低错误率:表示出尽可能多的实际边缘,同时尽可能地减少噪声产生的误报;
高定位性:标识出的边缘要与图像实际边缘尽可能接近;
最小响应:图像中的边缘只能标识一次,并且可能存在的图像噪声不应被标识为边缘。
示例程序:
#include <opencv2/opencv.hpp>
#include <iostream> using namespace cv;
using namespace std; //Canny边缘检测的一般过程:
//转成灰度图
//降噪
//用Canny算子(此时已经得到了边缘)
//将边缘作为掩码,拷贝原图到效果图上,得到彩色的边缘 int main(int argc, char** argv)
{
Mat src = imread("test.jpg");
Mat src1 = src.clone();
Mat dst, edge, gray; //初始化输出图
dst.create(src1.size(), src1.type());
dst = Scalar::all(); //转成灰度图
cvtColor(src1, gray, COLOR_BGR2GRAY); //均值滤波降噪,也可以用其他滤波方法
blur(gray, edge, Size(, )); //运行canny算子,得到边缘
Canny(edge, edge, , , ); //掩膜的存在使得只有边缘部分被copy,得到彩色的边缘
src1.copyTo(dst, edge); imshow("效果图", dst); waitKey();
return ; }
不管是哪种方法最后得到的都是二值图像