OpenCV探索之路（六）：邊緣檢測（canny、sobel、laplacian）

邊緣檢測的一般步驟：

1. 濾波——消除噪聲
2. 增強——使邊界輪廓更加明顯
3. 檢測——選出邊緣點

Canny算法

Canny邊緣檢測算法被很多人推崇為當今最優秀的邊緣檢測算法，所以我們第一個就介紹他。

opencv中提供了Canny函數。

#include<opencv2\opencv.hpp>   
#include<opencv2\highgui\highgui.hpp>

using namespace std;
using namespace cv;

//邊緣檢測
int main()
{
	Mat img = imread("lol3.jpg");
	imshow("原始圖", img);
	Mat DstPic, edge, grayImage;

	//創建與src同類型和同大小的矩陣
	DstPic.create(img.size(), img.type());

	//將原始圖轉化為灰度圖
	cvtColor(img, grayImage, COLOR_BGR2GRAY);

	//先使用3*3內核來降噪
	blur(grayImage, edge, Size(3, 3));

	//運行canny算子
	Canny(edge, edge, 3, 9, 3);

	imshow("邊緣提取效果", edge);

	waitKey(0);

}

看了canny算法提取的輪廓圖，感覺真是厲害，居然把那么細致的額輪廓都提取出來了！

Sobel算法

#include<opencv2\opencv.hpp>   
#include<opencv2\highgui\highgui.hpp>

using namespace std;
using namespace cv;

//邊緣檢測
int main()
{
	Mat img = imread("lol3.jpg");
	
	imshow("原始圖", img);

	Mat grad_x, grad_y;
	Mat abs_grad_x, abs_grad_y, dst;

	//求x方向梯度
	Sobel(img, grad_x, CV_16S, 1, 0, 3, 1, 1,BORDER_DEFAULT);
	convertScaleAbs(grad_x, abs_grad_x);
	imshow("x方向soble", abs_grad_x);

	//求y方向梯度
	Sobel(img, grad_y,CV_16S,0, 1,3, 1, 1, BORDER_DEFAULT);
	convertScaleAbs(grad_y,abs_grad_y);
	imshow("y向soble", abs_grad_y);

	//合並梯度
	addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
	imshow("整體方向soble", dst);


	waitKey(0);

}

通過下圖可以看出，sobel的輪廓提取明顯有沒cnany的那么細致，只是把一些明顯輪廓的邊緣提取出來了，看起來會更舒服一點。

灰度圖的效果

Laplacian算法

#include<opencv2\opencv.hpp>   
#include<opencv2\highgui\highgui.hpp>

using namespace std;
using namespace cv;

//邊緣檢測
int main()
{
	Mat img = imread("lol3.jpg");
	imshow("原始圖", img);
	Mat gray, dst,abs_dst;
	//高斯濾波消除噪聲
	GaussianBlur(img, img, Size(3, 3), 0, 0, BORDER_DEFAULT);
	//轉換為灰度圖
	cvtColor(img, gray, COLOR_RGB2GRAY);
	//使用Laplace函數
	//第三個參數：目標圖像深度；第四個參數：濾波器孔徑尺寸；第五個參數：比例因子；第六個參數：表示結果存入目標圖
	Laplacian(gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT);
	//計算絕對值，並將結果轉為8位
	convertScaleAbs(dst, abs_dst);

	imshow("laplace效果圖", abs_dst);

	waitKey(0);

}

但是感覺效果一般，圖像變得模糊了。