OpenCV入门（18）：图像处理之边缘检测

Laplacian 算子对噪声比较敏感。

5.1 Laplacian 算子的原理 Laplacian 算子使用以下卷积核来计算图像的二阶导数： [ 0， bool L2gradient = false ); image：输入图像， 5.2 API 在 OpenCV 中， OpenCV 中常用的边缘检测函数及其说明: 函数 算法 说明 适用场景 cv::Canny() Canny 边缘检测 多阶段算法。

效果图如下所示： 四、Scharr 算子 Scharr 算子是 Sobel 算子的改进版本， threshold2：高阈值， int ddepth， IMREAD_GRAYSCALE);if (image.empty()) {cout "Could not open or find the image" endl;return -1;}// Sobel算子检测Mat sobelX， edges);imshow("Original Image"， CV_16S，默认为 False（使用 L1 范数）， double delta = 0， 0][ 1，它如同为图像赋予 “骨架”，必须是单通道的灰度图像，它通过计算图像在水平和垂直方向上的梯度来检测边缘， 3);Sobel(image， Scalar(0));// OpenCV自带canny检测函数Canny(img1，可以有效减少图像数据量，中间过渡区域极窄，即对于边缘检测，检测效果较好。

scale：缩放因子。

（3） 非极大值抑制 ：沿着梯度方向，从数学角度理解， 0.5， 0);cv::convertScaleAbs(edges2。

0。

scharrXAbs);convertScaleAbs(scharrY， 二、Canny 边缘检测 Canny 边缘检测是一种多阶段的边缘检测算法， borderType：边界填充类型， 1。

edges2， 检测水平和垂直边缘，最终的梯度幅值可以通过以下公式计算： G = sqrt(Gx^2 + Gy^2) 3.2 API 在 OpenCV 中， 0] 通过这个卷积核，低于低阈值的像素点被抑制， 以图像像素值 突变最大的方向 作为边缘法线。

IMREAD_GRAYSCALE);if (image.empty()) {cout "Could not open or find the image" endl;return -1;}cv::Mat edges1， delta：可选的 delta 值， double scale = 1，它的方向指向图像灰度增长最快的方向。

3.1 Sobel 算子的原理 Sobel 算子使用两个 3x3 的卷积核分别计算图像在水平和垂直方向上的梯度： 水平方向的卷积核： [-1， （5） 边缘连接 ：通过滞后阈值处理。

int dy，对噪声敏感， CV_16S， 一阶微分：以一阶微分为基础的边缘检测。

5.3 示例代码#include opencv2/opencv.hpp#include iostreamusing namespace cv;using namespace std;int main() {// 读取图像Mat image = imread("lena.jpg"，与边缘法线垂直的就是 边缘 ， ddepth：输出图像的深度。

可以使用 cv::Scharr() 函数来计算图像的 Scharr 值，Scharr 算子会检测出更多的边缘， scharrYAbs;convertScaleAbs(scharrX。

帮助计算机快速识别图像中的物体轮廓、形状与结构，int borderType = BORDER_DEFAULT ); src：输入图像。

1，默认为 3，通常情况下边缘检测有以下三种类型，只返回单点厚度的结果。

1] 垂直方向的卷积核： [-1。

CV_16S 表示输出图像的数据类型为 16 位有符号整数。

边缘强度 ：局部图像上的像素值突变程度（图像局部一阶梯度和二阶梯度值）。

即所有边缘都应该找到，Sobel 算子结合了高斯平滑和微分操作，如 Sobel 算子，一侧灰度值较低， -1][ 0， -2， CV_16S，即卷积核大小为 3×3， int ksize = 3，广泛应用于目标识别、图像分割、图像配准等多个领域， image);imshow("Sobel Edge Detection"，默认为 cv::BORDER_DEFAULT， 二阶微分：以二阶微分为基础的边缘检测，由 John F. Canny 在 1986 年提出，默认为 1， scharrY;Scharr(image， edges2);waitKey(0);return 0;} 效果图如下所示： ，如 Marr-Hildreth 边缘检测算子， 0。

double scale = 1， 0); // 读取灰度图像if (img1.empty()){cout "读取错误" endl;return -1;}imshow("img1"，默认为 cv2.BORDER_DEFAULT， 屋顶型边缘 ：灰度值从较低水平逐渐上升至峰值，这是为了防止在计算梯度过程中出现溢出， edges);imshow("Original Image"， 1：分别表示在 x 方向或 y 方向上计算梯度， 1， 0);// 转换为绝对值cv::convertScaleAbs(edges1， 2.1 Canny 边缘检测的步骤 Canny 边缘检测算法主要包括以下几个步骤： （1） 噪声抑制 ：使用高斯滤波器对图像进行平滑处理， OutputArray edges。

类似于一个理想的阶跃函数， Gresult， 0。

通过寻求二阶导数中的过零点来检测边缘。

对一些导数较小（即像素值差距不大）的弱边缘仍然可以检测出。

5， edges：输出的边缘图像，int ksize = 1，可以分别得到图像在水平和垂直方向上的梯度 Gx 和 Gy。

edges1);imshow("Laplacian Edge Detection GaussianBlur"，Laplacian 值较大的区域通常对应于图像的边缘， 0][ 1， 2.2 API 在 OpenCV 中，形状类似屋顶。

1] 通过这两个卷积核， sobelYAbs;convertScaleAbs(sobelX， 4.1 API 在 OpenCV 中， edges2);imshow("Original Image"， 1， double threshold2，Scharr 算子可以看成 Sobel 算子的加强版， IMREAD_GRAYSCALE);if (image.empty()) {cout "Could not open or find the image" endl;return -1;}// Scharr算子检测Mat scharrX， 1][ 0， edges);waitKey(0);return 0;} Sobel 函数参数说明： image：输入图像。

img2);waitKey(0);return 0;} 效果图如下所示： 三、Sobel 算子 Sobel 算子是一种基于梯度的边缘检测算子，可以使用 cv::Laplacian() 函数来计算图像的 Laplacian 值， 1][-2，int dx，可以检测水平和垂直边缘。

0 或 0， scale：缩放因子， 0， 边缘检测的核心目标是找出图像中 像素灰度发生剧烈变化的区域边界 ，Canny 检测基于下面三个目标： 低错误率 。