canny算子简介

首先看一下最有边缘检测的三个主要评价标准：

• 低错误率：标出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报。
• 高定位性：标识出的边缘要与图像中的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标识为边缘。

为了满足这些要求，canny使用的变分法，这是一种寻找满足特定功能的函数的方法。最优检测用4个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。

canny边缘检测的步骤

第一步：消除噪声

一般情况下，使用高斯平滑滤波器降噪，以size=5的高斯核为例：

第二步：计算幅值和方向

运用一对卷积阵列分别作用于x和y方向（这一步与sobel滤波器的操作相同）

使用以下公式计算梯度幅值和方向

梯度的方向一般取4个可能的角度之一：0度，45度，90度，180度

第三步：非极大值抑制

这一步排除非边缘像素，基本保留了一些细线条（候选边缘）。

第四步：滞后阈值

这是最后一步，canny使用了滞后阈值，滞后阈值需要两个阈值，分别是高阈值和低阈值：

• 如果某一像素位置的幅值超过高阈值，该像素被保留为边缘像素；
• 如果某一像素位置的幅值小于低阈值，该像素被排除；
• 如果某一像素位置的幅值在两个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留。

对canny函数，高阈值与低阈值的比值最好是2:1和3:1之间。

canny边缘检测：Canny() 函数

函数原型：

void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize=3, bool L2gradient=false)

参数详解：

• 第一个参数：InputArray类型的image，输入图像，Mat对象节课，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，需要和输入图像有相同的尺寸和类型。
• 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，表示算子的孔径的大小，默认值时3.
• 第六个参数：bool类型的L2gradient，一个计算图像梯度复制的标识，默认false。

需要注意的是，阈值1和阈值2两者中比较小的值用于边缘连接，较大的值用来控制边缘的初始段，推荐高低阈值比在2:1和3:1之间。

代码示例：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace std;
using namespace cv;
int main() {
    Mat srcImage, grayImage;
    srcImage = imread("/Users/dwz/Desktop/cpp/1.jpg");
    Mat srcImage1 = srcImage.clone();
    cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);
    Mat dstImage, edge;

    blur(grayImage, grayImage, Size(3,3));
    Canny(grayImage, edge, 150, 100, 3);

    dstImage.create(srcImage1.size(), srcImage1.type());
    dstImage = Scalar::all(0);
    srcImage1.copyTo(dstImage, edge);
    imwrite("canny.jpg", dstImage);

    return 0;
}

输入：

输出：