Canny算子邊緣檢測(cvCanny)

Canny是常用的邊緣檢測方法，其特點是試圖將獨立邊的候選像素拼裝成輪廓。

John Canny於1986年提出Canny算子，它與Marr（LoG）邊緣檢測方法類似，也屬於是先平滑后求導數的方法。

John Canny研究了最優邊緣檢測方法所需的特性，給出了評價邊緣檢測性能優劣的三個指標：

1.好的信噪比，即將非邊緣點判定為邊緣點的概率要低，將邊緣點判為非邊緣點的概率要低；

2.高的定位性能，即檢測出的邊緣點要盡可能在實際邊緣的中心；

3. 對單一邊緣僅有唯一響應，即單個邊緣產生多個響應的概率要低，並且虛假響應邊緣應該得到最大抑制。

用一句話說，就是希望在提高對景物邊緣的敏感性的同時，可以抑制噪聲的方法才是好的邊緣提取方法。

Canny算子求邊緣點具體算法步驟如下：

1. 用高斯濾波器平滑圖像．

2. 用一階偏導有限差分計算梯度幅值和方向.

3. 對梯度幅值進行非極大值抑制 ．

4. 用雙閾值算法檢測和連接邊緣

---

image
輸入 8-比特、單通道 (二值) 圖像，當用CV_HOUGH_PROBABILISTIC方法檢測的時候其內容會被函數改變
line_storage
檢測到的線段存儲倉. 可以是內存存儲倉 (此種情況下，一個線段序列在存儲倉中被創建，並且由函數返回），或者是包含線段參數的特殊類型（見下面）的具有單行/單列的矩陣(CvMat*)。矩陣頭為函數所修改，使得它的 cols/rows 將包含一組檢測到的線段。如果 line_storage 是矩陣，而實際線段的數目超過矩陣尺寸，那么最大可能數目的線段被返回(對於標准hough變換，線段按照長度降序輸出).
method
Hough 變換變量，是下面變量的其中之一：
• CV_HOUGH_STANDARD - 傳統或標准 Hough 變換. 每一個線段由兩個浮點數 (ρ, θ) 表示，其中 ρ 是直線與原點 (0,0) 之間的距離，θ 線段與 x-軸之間的夾角。因此，矩陣類型必須是 CV_32FC2 type.
• CV_HOUGH_PROBABILISTIC - 概率 Hough 變換(如果圖像包含一些長的線性分割，則效率更高). 它返回線段分割而不是整個線段。每個分割用起點和終點來表示，所以矩陣（或創建的序列）類型是 CV_32SC4.
• CV_HOUGH_MULTI_SCALE - 傳統 Hough 變換的多尺度變種。線段的編碼方式與 CV_HOUGH_STANDARD 的一致。

rho

與象素相關單位的距離精度

theta

弧度測量的角度精度

threshold

閾值參數。如果相應的累計值大於 threshold， 則函數返回的這個線段.

param1

第一個方法相關的參數:

• 對傳統 Hough 變換，不使用(0).
• 對概率 Hough 變換，它是最小線段長度.
• 對多尺度 Hough 變換，它是距離精度 rho 的分母 (大致的距離精度是 rho 而精確的應該是 rho / param1 ).

param2

第二個方法相關參數:

• 對傳統 Hough 變換，不使用 (0).
• 對概率 Hough 變換，這個參數表示在同一條直線上進行碎線段連接的最大間隔值(gap), 即當同一條直線上的兩條碎線段之間的間隔小於param2時，將其合二為一。
• 對多尺度 Hough 變換，它是角度精度 theta 的分母 (大致的角度精度是 theta 而精確的角度應該是 theta / param2).

函數 cvHoughLines2 實現了用於線段檢測的不同 Hough 變換方法. Example. 用 Hough transform 檢測線段





• 外部鏈接：經典的canny自調整閾值算法的一個opencv的實現見在OpenCV中自適應確定canny算法的分割門限

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

/*code*/

注意：cvCanny只接受單通道圖像作為輸入，因此cvLoadImage的第二給參數表示是否加載有顏色的圖像，因設為0，表示單通道圖像，故src = cvLoadImage( argv[1], 0 )；

否則會出現編譯錯誤，會提示canny.cpp不合法。

#include <highgui.h>
#include <cv.h>
#include <cxcore.h>  //人臉識別的一個庫文件

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

    //載入圖像，轉換為灰度圖
    src = cvLoadImage( argv[1], 0 );
    //為canny邊緣圖像申請空間，1表示單通道灰度圖
    dst = cvCreateImage( cvGetSize( src ), IPL_DEPTH_8U, 1 );
    cvCanny( src, dst, 50, 150, 3 );//邊緣檢測
    cvNamedWindow( "src", 1 );
    cvNamedWindow( "canny", 1 );
    cvShowImage( "src", src );
    cvShowImage( "canny", dst );
    cvWaitKey(0);

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

}

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

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

---

---

---

另一片文章描述:

/*code*/

程序中用到了cvCvtColor色彩空間轉換，將輸入圖像從一個色彩空間轉換為另外一個色彩空間，Canny處理的是單通道圖像，然后轉換為三通道圖像再使用Hough變換。

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

int main(int argc, char** argv)
{
    IplImage* src;
    src = cvLoadImage( argv[1], 0 ); //加載灰度圖
    IplImage* dst = cvCreateImage( cvGetSize( src ), IPL_DEPTH_8U, 1 );
    IplImage* color_dst = cvCreateImage( cvGetSize( src ), IPL_DEPTH_8U, 3 );  //創建三通道圖像
    CvMemStorage* storage = cvCreateMemStorage(0);
    CvSeq* lines = 0;
    cvCanny( src, dst, 50, 100, 3 );  //首先運行邊緣檢測，結果以灰度圖顯示（只有邊緣）
    cvCvtColor( dst, color_dst, CV_GRAY2BGR ); //色彩空間轉換，將dst轉換到另外一個色彩空間即3通道圖像
    lines = cvHoughLines2( dst, storage, CV_HOUGH_PROBABILISTIC, 1, CV_PI/180, 80, 30, 10 ); //直接得到直線序列

    //循環直線序列
    for( int i = 0; i < lines ->total; i++ )  //lines存儲的是直線
    {
        CvPoint* line = ( CvPoint* )cvGetSeqElem( lines, i );  //lines序列里面存儲的是像素點坐標
        cvLine( color_dst, line[0], line[1], CV_RGB( 0, 255, 0 ) );  //將找到的直線標記為紅色
        //color_dst是三通道圖像用來存直線圖像
    }
    cvNamedWindow( "src", 1 );
    cvShowImage( "src", src );
    cvNamedWindow( "Hough", 1 );
    cvShowImage( "Hough", color_dst );
    cvWaitKey(0);

    return 0;
}

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

用綠色線條勾畫的是Canny輪廓檢測后再用Hough線變換得到的所有直線。

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

來自為知筆記(Wiz)