OpenCV（cv::Canny()）
cv::Canny() 是 OpenCV 中用于边缘检测的函数，基于 John F. Canny 于 1986 年提出的经典 Canny 边缘检测算法。它是一种多阶段边缘检测方法，能够有效检测出图像中的边缘，同时减少噪声和虚假边缘。
1. 函数定义
void cv::Canny(
InputArray image, // 输入图像（单通道，通常是灰度图）
OutputArray edges, // 输出图像，边缘检测结果
double threshold1, // 第一阈值，用于低阈值过滤
double threshold2, // 第二阈值，用于高阈值过滤
int apertureSize = 3, // Sobel 算子内核大小，默认值为 3，必须为奇数
bool L2gradient = false // 是否使用更精确的 L2 范数计算梯度幅值，默认为 false（使用 L1 范数）
);
参数：
-
image：输入的单通道图像（通常是灰度图）。如果输入的是彩色图像，需要先转换为灰度图（例如使用cv::cvtColor()）。 -
edges：输出的单通道图像，表示检测到的边缘。边缘的像素值是 0 或 255（非边缘为 0，边缘为 255）。 -
threshold1和threshold2threshold1是低阈值，用于非最大值抑制。threshold2是高阈值，用于边缘连接。- 典型设置是
threshold1较小，threshold2较大（比如 50 和 150）。边缘像素梯度值高于threshold2的点被认为是“强边缘”，低于threshold1的点被忽略，介于两者之间的点只有与强边缘连接时才被保留。
-
apertureSize：Sobel 算子内核的大小，用于计算图像梯度，必须是奇数且大于等于 3（如 3, 5, 7）。默认值为 3。 -
L2gradient- 如果为
true，梯度幅值使用 L2 范数（即 \(\sqrt{(G_x)^2 + (G_y)^2}\)）。 - 如果为
false，梯度幅值使用 L1 范数（即 \(|G_x| + |G_y|\)）。 - L2 范数计算更精确，但也更耗时。
- 如果为
2. 工作原理
Canny 边缘检测主要包含以下步骤：
-
高斯平滑：对输入图像进行高斯滤波，减少噪声对边缘检测的影响。
-
计算梯度：使用 Sobel 算子计算图像在水平方向 (\(G_x\)) 和垂直方向 (\(G_y\)) 的梯度，并通过梯度幅值和方向：
\[G = \sqrt{G_x^2 + G_y^2} \quad \text{或} \quad G = |G_x| + |G_y| \]\[\theta = \arctan\left(\frac{G_y}{G_x}\right) \] -
非最大值抑制 (NMS)：对梯度幅值图像进行细化，仅保留局部梯度幅值最大的像素点。
-
双阈值检测：使用
threshold1和threshold2将像素分类为：- 强边缘：大于
threshold2。 - 弱边缘：介于
threshold1和threshold2之间。 - 非边缘：小于
threshold1。
- 强边缘：大于
-
边缘跟踪：从强边缘出发，连接与之相邻的弱边缘，形成完整边缘。
3. 示例代码
#include <opencv2/opencv.hpp>
#include <iostream>
int main() {
// 读取图像并转换为灰度图
cv::Mat src = cv::imread("example.jpg", cv::IMREAD_GRAYSCALE);
if (src.empty()) {
std::cerr << "Image not found!" << std::endl;
return -1;
}
// 输出边缘图像
cv::Mat edges;
// 应用 Canny 边缘检测
double lowThreshold = 50;
double highThreshold = 150;
int kernelSize = 3;
cv::Canny(src, edges, lowThreshold, highThreshold, kernelSize, true);
// 显示结果
cv::imshow("Original Image", src);
cv::imshow("Canny Edges", edges);
cv::waitKey(0);
return 0;
}
4. 实际应用
-
特征提取：边缘检测通常是许多计算机视觉任务的第一步，比如目标检测、图像分割和物体识别。
-
轮廓检测：使用
cv::Canny()检测边缘后，可以结合cv::findContours()提取图像中的轮廓。 -
图像匹配：边缘检测结果可以作为图像配准、图像拼接等任务的特征。
5. 注意事项
-
噪声敏感性：如果输入图像噪声较多，应先应用高斯滤波或双边滤波去噪，否则可能导致虚假边缘。
-
阈值选择：
threshold1和threshold2的选择会显著影响结果，可通过实验调整，也可以结合 Otsu 方法自动计算阈值。 -
单通道输入：
cv::Canny()只能处理单通道图像，需预处理为灰度图。
6. 输出结果示例
如果输入图像是自然图像（例如风景图），cv::Canny() 输出会是边缘线条清晰的二值图像。通过合理调整阈值，可以控制边缘的密集程度。
