OpenCV 边缘检测之Canny算法(代码应用)

简介: OpenCV 边缘检测之Canny算法(代码应用)

Canny算法


Canny是边缘检测算法,在1986年提出的。


是一个很好的边缘检测器


很常用也很实用的图像处理方法


Canny算法步骤


  1. 消除噪声:高斯模糊 - GaussianBlur


  1. 灰度转换 - cvtColor


  1. 计算梯度 – Sobel/Scharr


  1. 非最大信号抑制


  1. 高低阈值输出二值图像


API


函数原型及参数


Canny(
InputArray src, // 8-bit的输入图像
OutputArray edges,// 输出边缘图像, 一般都是二值图像,背景是黑色
double threshold1,// 低阈值,常取高阈值的1/2或者1/3
double threshold2,// 高阈值
int aptertureSize,// Soble算子的size,通常3x3,取值3
bool L2gradient // 选择 true表示是L2来归一化,否则用L1归一化


代码案例:




#include<iostream>
#include<math.h>
#include<opencv2/opencv.hpp>
#include<opencv2/highgui.hpp>
#include <opencv2/highgui/highgui_c.h>  
using namespace std;
using namespace cv;
void Canny_demo(int, void*);
Mat src, gray_src;
int max_range = 255;
int min_threshold = 20;
int main()
{
  // 读取图片
  src = imread("./test2.jpg");
  if (!src.data)
  {
    cout << "Could not load the image ...." << endl;
    return -1;
  }
  namedWindow("input_image", CV_WINDOW_AUTOSIZE);
  imshow("input_image", src);
  // 换为灰度图
  cvtColor(src, gray_src, CV_BGR2GRAY);
  imshow("gray_iamge", gray_src);
  // 使用trackbar调整阈值
  namedWindow("Output_window", CV_WINDOW_AUTOSIZE);
  createTrackbar("Canny_Tracker", "Output_window", &min_threshold, max_range, Canny_demo);
  Canny_demo(0, 0);
  waitKey(0);
  return 0;
}
void Canny_demo(int, void *)
{
  Mat tmp_src, edge_output, dst;
  // 均值滤波
  blur(gray_src, tmp_src, Size(3, 3), Point(-1, -1), BORDER_DEFAULT);
  Canny(tmp_src, edge_output, min_threshold, min_threshold * 2, 3, false);
  imshow("canny_image", edge_output);   // 显示Canny二值化的图
  Mat tmp_src2(src);
  dst.create(src.size(), src.type());
  tmp_src2.copyTo(dst, edge_output);    // 将边缘与原图片重叠显示
  imshow("Output_window", dst);
}
相关文章
|
13天前
|
算法
分享一些提高二叉树遍历算法效率的代码示例
这只是简单的示例代码,实际应用中可能还需要根据具体需求进行更多的优化和处理。你可以根据自己的需求对代码进行修改和扩展。
|
25天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
27 3
|
23天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
1月前
|
存储 缓存 算法
如何通过优化算法和代码结构来提升易语言程序的执行效率?
如何通过优化算法和代码结构来提升易语言程序的执行效率?
|
1月前
|
搜索推荐
插入排序算法的讲解和代码
【10月更文挑战第12天】插入排序是一种基础的排序算法,理解和掌握它对于学习其他排序算法以及数据结构都具有重要意义。你可以通过实际操作和分析,进一步深入了解插入排序的特点和应用场景,以便在实际编程中更好地运用它。
|
1月前
|
机器学习/深度学习 API 计算机视觉
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(下)
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(下)
27 2
|
1月前
|
机器学习/深度学习 存储 算法
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(上)
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(上)
32 1
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
【自然语言处理】TF-IDF算法在人工智能方面的应用,附带代码
TF-IDF算法在人工智能领域,特别是自然语言处理(NLP)和信息检索中,被广泛用于特征提取和文本表示。以下是一个使用Python的scikit-learn库实现TF-IDF算法的简单示例,并展示如何将其应用于文本数据。
265 65
|
29天前
|
缓存 分布式计算 监控
优化算法和代码需要注意什么
【10月更文挑战第20天】优化算法和代码需要注意什么
18 0
|
1月前
|
算法 Java 测试技术
数据结构 —— Java自定义代码实现顺序表,包含测试用例以及ArrayList的使用以及相关算法题
文章详细介绍了如何用Java自定义实现一个顺序表类,包括插入、删除、获取数据元素、求数据个数等功能,并对顺序表进行了测试,最后还提及了Java中自带的顺序表实现类ArrayList。
23 0
下一篇
无影云桌面