OpenCV學習筆記（十三）邊緣檢測

邊緣檢測：

邊緣檢測運算元有很多，sobel、laplace、prewitt、canny、marr-hildresh。

sobel運算元：

sobel運算元是主要用於邊緣檢測的離散微分運算元，它結合了高斯平滑和微分求導，用於計算影象灰度函式的近似梯度。

void sobel

(inputarray src, outputarray dst, int ddepth, int xorder, int yorder, int ksize=3, double scale=1, double delta=0, int bordertype=border_default )

一般情況下，都是使用ksize*ksize核心計算導數的。當ksize=1時，往往使用3x1或者1x3的核心。

程式實現：

#include #include #include #include using namespace cv;
using namespace std;
int main()

原圖：

效果圖：

laplacian運算元：

laplacian運算元是二階微分運算元。凡是二階運算元對雜訊都比較敏感，在使用前要進行濾波去噪。

讓一幅影象減去它的laplacian運算元可以增強對比度。

laplacian函式：

void

laplacian

(inputarray src, outputarray dst, int ddepth, int ksize=1, double scale=1, double delta=0, intbordertype=border_default )

當ksize=1時，laplacian()函式採用3x3的孔徑。

例項程式實現：

#include #include #include #include using namespace cv;
using namespace std;
int main()

效果圖：

prewitt運算元：

prewitt運算元是一階邊緣檢測運算元，該運算元對雜訊有抑制作用，不用進行濾波去噪。和sobel運算元相似，都是在影象空間利用兩個方向模板與影象進行領域卷積來完成的，分別對水平與垂直方向邊緣進行檢測。

prewitt運算元定位精度不如sobel運算元，在真正的使用中，一般不會用到這個運算元，效果較差。

改進邊緣檢測運算元--canny運算元：

canny運算元檢測原理是通過影象訊號函式的極大值來判定影象的邊緣畫素點。邊緣檢測的演算法主演是基於影象強度的一階和二階微分操作，但導數通常對雜訊很敏感，邊緣檢測演算法常常需要根據影象源的資料進行預處理操作，因此必須採用濾波器來改善與雜訊有關的邊緣檢測的效能。在進行canny運算元邊緣檢測前，應當先對原始資料與高斯模板進行卷積操作，得到的影象與原影象相比有些模糊。通常使用高斯平滑濾波器卷積降噪。

void canny

(inputarray image, outputarray edges, double threshold1, double threshold2, int aperturesize=3, booll2gradient=false )

推薦的高低閾值比在2:1到3:1之間。

例項程式實現：

#include #include #include #include using namespace cv;
using namespace std;
int main()

效果圖：

改進的邊緣檢測運算元——marr—hildreth：

marr—hildreth運算元以高斯函式為平滑運算元，結合拉普拉斯運算元提取二階導數的零交叉理論進行邊緣檢測。

效果更好的邊緣檢測器是log運算元，它把高斯平滑濾波器和拉普拉斯銳化濾波器結合起來，先平滑掉雜訊，再進行邊緣檢測，所以效果更好。

運算元程式實現：

#include #include #include #include using namespace cv;
using namespace std;
void marredge(const mat src, mat& result, int kervalue, double delta)
} //設定輸入引數
int keroffset = kervalue / 2;
mat laplacian = (mat_(src.rows - keroffset * 2, src.cols - keroffset * 2));
result = mat::zeros(src.rows - keroffset * 2, src.cols - keroffset * 2, src.type());
double sumlaplacian;
//遍歷計算卷積影象的拉普拉斯運算元
for (int i = keroffset; i < src.rows - keroffset; ++i)
}//生成拉普拉斯結果
laplacian.at(i - keroffset, j - keroffset) = sumlaplacian;
} }for (int y = 1; y < result.rows - 1; ++y)
if (laplacian.at(y, x - 1)*laplacian.at(y, x + 1) < 0)
if (laplacian.at(y + 1, x - 1)*laplacian.at(y - 1, x + 1) < 0)
if (laplacian.at(y - 1, x - 1)*laplacian.at(y + 1, x + 1) < 0)
} }}
int main()

效果圖：

OpenCV學習筆記（十三）邊緣檢測

十三邊緣提取

opencv學習筆記十三邊界填充

OpenCV學習筆記（七）之Canny邊緣檢測

OpenCV學習筆記（十三）邊緣檢測

十三 邊緣提取

opencv學習筆記十三 邊界填充

OpenCV學習筆記（七）之Canny邊緣檢測

相關推薦

十三邊緣提取

opencv學習筆記十三邊界填充