OpenCV幾種邊緣檢測的簡例

簡單記錄一下OpenCV的幾種邊緣檢測函數的用法。

邊緣檢測算法
　　以Sobel邊緣檢測算法為例。
　　Sobel卷積核模板為：

偏導公式為：

Gx(i,j)=[f(i+1,j−1)+2f(i+1,j)+f(i+1,j+1)]−[f(i−1,j−1)+2f(i−1,j)+f(i−1,j+1)]

Gy(i,j)=[f(i−1,j+1)+2f(i,j+1)+f(i+1,j+1)]−[f(i−1,j−1)+2f(i,j−1)+f(i+1,j−1)]

　　卷積核模板的圖片又是從網上抄來的，實際上我都不是很確定 Gx,Gy 有沒有標反，但這不重要，只要知道了卷積核，就可以把核放到矩陣上一個一個的滑動，對應位置相乘，然后把這6（其實應該說是9個數，因為在Sobel算子的卷積核中有3個0,任何數乘以0都是0，所以可以不計算，但在其他算子就不見得都為0）個乘積相加，就分別得到了該坐標位置的 Gx,Gy ，這樣一直滑到最后一個（我就是這么理解卷積的）。
　　不過到這里其實還只是做了一半，因為還只是算出來了 x 和 y 方向的偏導數。

　　公式（8.1）是梯度向量，梯度幅值為用公式（8.2）。但在實際使用中，為了提高計算的速度，我們可以用式（8.3）、（8.4）（8.5）來近似。（8.6）是梯度向量的方向角公式。
　　所以，在計算出(i,j)處的 Gx(i,j),Gy(i,j) 之后，可以用式（8.2）計算出圖像的梯度幅值，或者用式（8.3）、（8.4）、（8.5）算出近似幅值后，設定一個閾值T，如果 (i,j) 處的幅值大於閾值T，則認為該點是邊緣點。
　　邊緣檢測大體都是這樣，不同的算子只是卷積核不同。其實只要理解了圖像數據是怎么進行卷積計算的，都可以自己設計算子，當然效果要好才有用。

附上一個OpenCV的幾個邊緣檢測函數的簡單使用的栗子。

#include "stdafx.h"

#include "cv.h"
#include "highgui.h"

using namespace cv;

int main(int argc, char* argv[])
{
    Mat src = imread("F:\\picture\\cv53.jpg");
    Mat dst;

    //輸入圖像
    //輸出圖像
    //輸入圖像顏色通道數
    //x方向階數
    //y方向階數
    //Sobel(src,dst,src.depth(),1,1);
    //imwrite("sobel.jpg",dst);

    //輸入圖像
    //輸出圖像
    //輸入圖像顏色通道數
    //Laplacian(src,dst,src.depth());
    //imwrite("laplacian.jpg",dst);

    //輸入圖像
    //輸出圖像
    //彩色轉灰度
    cvtColor(src,src,CV_BGR2GRAY);  //canny只處理灰度圖

    //輸入圖像
    //輸出圖像
    //低閾值
    //高閾值，opencv建議是低閾值的3倍
    //內部sobel濾波器大小
    Canny(src,dst,50,150,3);    
    imwrite("canny71.jpg",dst);

    imshow("dst",dst);
    waitKey();

    return 0;
}

　　想測試那種邊緣檢測，就把注釋修改一下即可。