【OpenCV】-边缘检测汇总示例

汇总之前： 这一节还有一个scharr滤波器（也是算子）没有介绍，先介绍一下。。。

1 计算图像差分：Scharr()函数

使用Scharr滤波器运算符计算x或y方向的图像差分，包含的参数与Sobel算子基本一样，除了没有ksize核的大小

void Scharr(
	IntputArray src, //源图
    OUtputArray dst, //目标图
    int ddepth, //图像深度
    int dx,     //x方向上的差分阶数
    int dy,		//y方向上的差分阶数
    double scale=1,//缩放因子
    double delta=0,//delta值
    intborderType=BORDER_DEFAULT//边界模式
);
1
2
3
4
5
6
7
8
9
10

• 第一个参数：输入图像，填Mat类型即可

• 第二个参数：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：输出图像的深度，支持如下组合：

  • 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：x方向上的差分阶数

• 第五个参数：y方向上的差分阶数

• 第六个参数：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。

• 第七个参数：double类型的delta，表示存入目标图

• 第八个参数：边界模式。有默认值：BORDER_DEFAULT

5.2 示例程序

#include
#include
#include
#include
using namespace std;
using namespace cv;
int main()
{
	Mat grad_x, grad_y;
	Mat abs_grad_x, abs_grad_y, dst;
	Mat src = imread("E:\\Pec\\fushiyuan.jpg");
	imshow("【原始图】", src);
	//求x方向上的梯度
	Scharr(src, grad_x, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);
	convertScaleAbs(grad_x, abs_grad_x);
	imshow("【x方向的效果图】", abs_grad_x);
	//求y方向上的梯度
	Scharr(src, grad_y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);
	convertScaleAbs(grad_y, abs_grad_y);
	imshow("【y方向的效果图】", abs_grad_y);
	//合并梯度
	addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
	imshow("【合并梯度效果图】", dst);
	waitKey(0);
	return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

边缘检测汇总示例

#include
#include
#include
#include
using namespace std;
using namespace cv;
//================================
//	全局变量声明
//===============================
Mat g_srcImage, g_srcGrayImage, g_dstImage;
//Canny边缘检测相关变量
Mat g_cannyDetectedEdges;
int g_cannyLowThreshold = 1;//TackBar位置参数
//Sobel边缘检测相关变量
Mat g_sobelGradient_X, g_sobelGradient_Y;
Mat g_sobelAbsGradient_X, g_sobelAbsGradient_Y;
int g_sobelKernelSize = 1;//TrackBar位置参数
//Scharr滤波器相关变量
Mat g_scharrGradient_X, g_scharrGradient_Y;
Mat g_scharrAbsGradient_X, g_scharrAbsGradient_Y;
//================================
//	全局函数声明
//===============================
static void on_Canny(int, void *);//Canny边缘检测窗口滚动条的回调函数
static void on_Sobel(int, void *);
void Scharr();//封装了scharr边缘检测相关代码函数
int main()
{
	//载入源图
	g_srcImage = imread("E:\\Pec\\钢铁侠.jpg");
	if (!g_srcImage.data)
	{
		printf("读取图片错误");
		return false;
	}
	namedWindow("【原始图】");
	imshow("【原始图】", g_srcImage);
	//创建与src同类型核大小的矩阵（dst)
	g_dstImage.create(g_srcImage.size(), g_srcImage.type());
	//将原始图像转化为灰度图
	cvtColor(g_srcImage,g_srcGrayImage, COLOR_BGR2GRAY);
	//创建显示窗口
	namedWindow("【Canny效果图】", WINDOW_AUTOSIZE);
	namedWindow("【Sobel效果图】", WINDOW_AUTOSIZE);
	//创建trackbar
	createTrackbar("参数值：", "【Canny效果图】", &g_cannyLowThreshold, 120, on_Canny);
	createTrackbar("参数值：", "【Sobel效果图】", &g_sobelKernelSize, 3, on_Sobel);
	//调用回调函数
	on_Canny(0, 0);
	on_Sobel(0, 0);
	//调用封装了Scharr边缘检测代码的函数
	Scharr();
	waitKey(0);
}
//================================
//	Canny边缘检测窗口滚动条的回调函数
//===============================
void on_Canny(int, void*)
{
	//先使用3x3内核来降噪
	blur(g_srcGrayImage, g_cannyDetectedEdges, Size(3, 3));
	//运行Cannny算子
	Canny(g_cannyDetectedEdges, g_cannyDetectedEdges, g_cannyLowThreshold, g_cannyLowThreshold * 3, 3);
	//先将g_dstImage内的所有元素设置为0
	g_dstImage = Scalar::all(0);
	//使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将源图拷贝到目标图
	g_srcImage.copyTo(g_dstImage, g_cannyDetectedEdges);
	//显示效果图
	imshow("【Canny效果图】", g_dstImage);
}
//================================
//	Sobel边缘检测窗口滚动条的回调函数
//===============================
void on_Sobel(int, void*)
{
	//求X方向梯度
	Sobel(g_srcImage, g_sobelGradient_X, CV_16S, 1, 0, (2 * g_sobelKernelSize + 1), 1, 1, BORDER_DEFAULT);
	convertScaleAbs(g_sobelGradient_X, g_sobelAbsGradient_X);
	//求Y方向梯度
	Sobel(g_srcImage, g_sobelGradient_Y, CV_16S, 0, 1, (2 * g_sobelKernelSize + 1), 1, 1, BORDER_DEFAULT);
	convertScaleAbs(g_sobelGradient_Y, g_sobelAbsGradient_Y);
	//合并梯度
	addWeighted(g_sobelAbsGradient_X, 0.5, g_sobelAbsGradient_Y, 0.5, 0, g_dstImage);
	imshow("【Sobel效果图】", g_dstImage);
}
//================================
//	封装Scharr边缘检测
//===============================
void Scharr()
{
	Scharr(g_srcImage, g_scharrGradient_X, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);
	convertScaleAbs(g_scharrGradient_X, g_scharrAbsGradient_X);
	Scharr(g_srcImage, g_scharrGradient_Y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);
	convertScaleAbs(g_scharrGradient_Y, g_scharrAbsGradient_Y);
	addWeighted(g_scharrAbsGradient_X, 0.5, g_scharrAbsGradient_Y, 0.5, 0, g_dstImage);
	imshow("【Scharr效果图】", g_dstImage);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97

效果图展示：