Canny算子边缘检测(cvCanny)

Canny是常用的边缘检测方法，其特点是试图将独立边的候选像素拼装成轮廓。

John Canny于1986年提出Canny算子，它与Marr（LoG）边缘检测方法类似，也属于是先平滑后求导数的方法。

John Canny研究了最优边缘检测方法所需的特性，给出了评价边缘检测性能优劣的三个指标：

1.好的信噪比，即将非边缘点判定为边缘点的概率要低，将边缘点判为非边缘点的概率要低；

2.高的定位性能，即检测出的边缘点要尽可能在实际边缘的中心；

3. 对单一边缘仅有唯一响应，即单个边缘产生多个响应的概率要低，并且虚假响应边缘应该得到最大抑制。

用一句话说，就是希望在提高对景物边缘的敏感性的同时，可以抑制噪声的方法才是好的边缘提取方法。

Canny算子求边缘点具体算法步骤如下：

1. 用高斯滤波器平滑图像．

2. 用一阶偏导有限差分计算梯度幅值和方向.

3. 对梯度幅值进行非极大值抑制 ．

4. 用双阈值算法检测和连接边缘

---

image
输入 8-比特、单通道 (二值) 图像，当用CV_HOUGH_PROBABILISTIC方法检测的时候其内容会被函数改变
line_storage
检测到的线段存储仓. 可以是内存存储仓 (此种情况下，一个线段序列在存储仓中被创建，并且由函数返回），或者是包含线段参数的特殊类型（见下面）的具有单行/单列的矩阵(CvMat*)。矩阵头为函数所修改，使得它的 cols/rows 将包含一组检测到的线段。如果 line_storage 是矩阵，而实际线段的数目超过矩阵尺寸，那么最大可能数目的线段被返回(对于标准hough变换，线段按照长度降序输出).
method
Hough 变换变量，是下面变量的其中之一：
• CV_HOUGH_STANDARD - 传统或标准 Hough 变换. 每一个线段由两个浮点数 (ρ, θ) 表示，其中 ρ 是直线与原点 (0,0) 之间的距离，θ 线段与 x-轴之间的夹角。因此，矩阵类型必须是 CV_32FC2 type.
• CV_HOUGH_PROBABILISTIC - 概率 Hough 变换(如果图像包含一些长的线性分割，则效率更高). 它返回线段分割而不是整个线段。每个分割用起点和终点来表示，所以矩阵（或创建的序列）类型是 CV_32SC4.
• CV_HOUGH_MULTI_SCALE - 传统 Hough 变换的多尺度变种。线段的编码方式与 CV_HOUGH_STANDARD 的一致。

rho

与象素相关单位的距离精度

theta

弧度测量的角度精度

threshold

阈值参数。如果相应的累计值大于 threshold， 则函数返回的这个线段.

param1

第一个方法相关的参数:

• 对传统 Hough 变换，不使用(0).
• 对概率 Hough 变换，它是最小线段长度.
• 对多尺度 Hough 变换，它是距离精度 rho 的分母 (大致的距离精度是 rho 而精确的应该是 rho / param1 ).

param2

第二个方法相关参数:

• 对传统 Hough 变换，不使用 (0).
• 对概率 Hough 变换，这个参数表示在同一条直线上进行碎线段连接的最大间隔值(gap), 即当同一条直线上的两条碎线段之间的间隔小于param2时，将其合二为一。
• 对多尺度 Hough 变换，它是角度精度 theta 的分母 (大致的角度精度是 theta 而精确的角度应该是 theta / param2).

函数 cvHoughLines2 实现了用于线段检测的不同 Hough 变换方法. Example. 用 Hough transform 检测线段





• 外部链接：经典的canny自调整阈值算法的一个opencv的实现见在OpenCV中自适应确定canny算法的分割门限

-------------------------------------------------------------------------------------------------------

/*code*/

注意：cvCanny只接受单通道图像作为输入，因此cvLoadImage的第二给参数表示是否加载有颜色的图像，因设为0，表示单通道图像，故src = cvLoadImage( argv[1], 0 )；

否则会出现编译错误，会提示canny.cpp不合法。

#include <highgui.h>
#include <cv.h>
#include <cxcore.h>  //人脸识别的一个库文件

//Canny:Implements Canny algorithm for edge detection.
int main( int argc, char** argv )
{
    IplImage* src = NULL;
    IplImage* dst = NULL;

    //载入图像，转换为灰度图
    src = cvLoadImage( argv[1], 0 );
    //为canny边缘图像申请空间，1表示单通道灰度图
    dst = cvCreateImage( cvGetSize( src ), IPL_DEPTH_8U, 1 );
    cvCanny( src, dst, 50, 150, 3 );//边缘检测
    cvNamedWindow( "src", 1 );
    cvNamedWindow( "canny", 1 );
    cvShowImage( "src", src );
    cvShowImage( "canny", dst );
    cvWaitKey(0);

    cvReleaseImage( &src );
    cvReleaseImage( &dst );
    cvDestroyAllWindows();
    return 0;

}

-------------------------------------------------------------------------------------------------------
/*result*/

来源： http://blog.csdn.net/hitwengqi/article/details/6877864

---

---

---

另一片文章描述:

/*code*/

程序中用到了cvCvtColor色彩空间转换，将输入图像从一个色彩空间转换为另外一个色彩空间，Canny处理的是单通道图像，然后转换为三通道图像再使用Hough变换。

#include <highgui.h>
#include <cv.h>
#include <math.h>

int main(int argc, char** argv)
{
    IplImage* src;
    src = cvLoadImage( argv[1], 0 ); //加载灰度图
    IplImage* dst = cvCreateImage( cvGetSize( src ), IPL_DEPTH_8U, 1 );
    IplImage* color_dst = cvCreateImage( cvGetSize( src ), IPL_DEPTH_8U, 3 );  //创建三通道图像
    CvMemStorage* storage = cvCreateMemStorage(0);
    CvSeq* lines = 0;
    cvCanny( src, dst, 50, 100, 3 );  //首先运行边缘检测，结果以灰度图显示（只有边缘）
    cvCvtColor( dst, color_dst, CV_GRAY2BGR ); //色彩空间转换，将dst转换到另外一个色彩空间即3通道图像
    lines = cvHoughLines2( dst, storage, CV_HOUGH_PROBABILISTIC, 1, CV_PI/180, 80, 30, 10 ); //直接得到直线序列

    //循环直线序列
    for( int i = 0; i < lines ->total; i++ )  //lines存储的是直线
    {
        CvPoint* line = ( CvPoint* )cvGetSeqElem( lines, i );  //lines序列里面存储的是像素点坐标
        cvLine( color_dst, line[0], line[1], CV_RGB( 0, 255, 0 ) );  //将找到的直线标记为红色
        //color_dst是三通道图像用来存直线图像
    }
    cvNamedWindow( "src", 1 );
    cvShowImage( "src", src );
    cvNamedWindow( "Hough", 1 );
    cvShowImage( "Hough", color_dst );
    cvWaitKey(0);

    return 0;
}

----------------------------------------------------------------------------------------------------
/*result*/

用绿色线条勾画的是Canny轮廓检测后再用Hough线变换得到的所有直线。

来源： http://blog.csdn.net/hitwengqi/article/details/6878995

来自为知笔记(Wiz)