【OpenCV】-边缘检测汇总示例

简介: 【OpenCV】-边缘检测汇总示例

汇总之前: 这一节还有一个scharr滤波器(也是算子)没有介绍,先介绍一下。。。

1 计算图像差分:Scharr()函数

使用Scharr滤波器运算符计算x或y方向的图像差分,包含的参数与Sobel算子基本一样,除了没有ksize核的大小

void Scharr(
  IntputArray src, //源图
    OUtputArray dst, //目标图
    int ddepth, //图像深度
    int dx,     //x方向上的差分阶数
    int dy,   //y方向上的差分阶数
    double scale=1,//缩放因子
    double delta=0,//delta值
    intborderType=BORDER_DEFAULT//边界模式
);

第一个参数:输入图像,填Mat类型即可

第二个参数:目标图像,函数的输出参数,需要和源图片有一样的尺寸和类型

第三个参数:输出图像的深度,支持如下组合:

若src.depth()=CV_8U,取ddepth=-1/CV_16S/CV_32F/CV_64F

若src.depth()=CV_16U/CV_16S,取ddepth=-1/CV_32F/CV_64F

若src.depth()=CV_32F,取ddepth=-1/CV_32F/CV_64F

若src.depth()=CV_64F,取ddepth=-1/CV_64F

第四个参数:x方向上的差分阶数

第五个参数:y方向上的差分阶数

第六个参数:double类型的scale,计算导数值时可选的缩放因子,默认值是1,表示默认情况下是没有应用缩放的。

第七个参数:double类型的delta,表示存入目标图

第八个参数:边界模式。有默认值:BORDER_DEFAULT

5.2 示例程序
#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
  Mat grad_x, grad_y;
  Mat abs_grad_x, abs_grad_y, dst;
  Mat src = imread("E:\\Pec\\fushiyuan.jpg");
  imshow("【原始图】", src);
  //求x方向上的梯度
  Scharr(src, grad_x, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);
  convertScaleAbs(grad_x, abs_grad_x);
  imshow("【x方向的效果图】", abs_grad_x);
  //求y方向上的梯度
  Scharr(src, grad_y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);
  convertScaleAbs(grad_y, abs_grad_y);
  imshow("【y方向的效果图】", abs_grad_y);
  //合并梯度
  addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
  imshow("【合并梯度效果图】", dst);
  waitKey(0);
  return 0;
}

边缘检测汇总示例

#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>
using namespace std;
using namespace cv;
//================================
//  全局变量声明
//===============================
Mat g_srcImage, g_srcGrayImage, g_dstImage;
//Canny边缘检测相关变量
Mat g_cannyDetectedEdges;
int g_cannyLowThreshold = 1;//TackBar位置参数
//Sobel边缘检测相关变量
Mat g_sobelGradient_X, g_sobelGradient_Y;
Mat g_sobelAbsGradient_X, g_sobelAbsGradient_Y;
int g_sobelKernelSize = 1;//TrackBar位置参数
//Scharr滤波器相关变量
Mat g_scharrGradient_X, g_scharrGradient_Y;
Mat g_scharrAbsGradient_X, g_scharrAbsGradient_Y;
//================================
//  全局函数声明
//===============================
static void on_Canny(int, void *);//Canny边缘检测窗口滚动条的回调函数
static void on_Sobel(int, void *);
void Scharr();//封装了scharr边缘检测相关代码函数
int main()
{
  //载入源图
  g_srcImage = imread("E:\\Pec\\钢铁侠.jpg");
  if (!g_srcImage.data)
  {
    printf("读取图片错误");
    return false;
  }
  namedWindow("【原始图】");
  imshow("【原始图】", g_srcImage);
  //创建与src同类型核大小的矩阵(dst)
  g_dstImage.create(g_srcImage.size(), g_srcImage.type());
  //将原始图像转化为灰度图
  cvtColor(g_srcImage,g_srcGrayImage, COLOR_BGR2GRAY);
  //创建显示窗口
  namedWindow("【Canny效果图】", WINDOW_AUTOSIZE);
  namedWindow("【Sobel效果图】", WINDOW_AUTOSIZE);
  //创建trackbar
  createTrackbar("参数值:", "【Canny效果图】", &g_cannyLowThreshold, 120, on_Canny);
  createTrackbar("参数值:", "【Sobel效果图】", &g_sobelKernelSize, 3, on_Sobel);
  //调用回调函数
  on_Canny(0, 0);
  on_Sobel(0, 0);
  //调用封装了Scharr边缘检测代码的函数
  Scharr();
  waitKey(0);
}
//================================
//  Canny边缘检测窗口滚动条的回调函数
//===============================
void on_Canny(int, void*)
{
  //先使用3x3内核来降噪
  blur(g_srcGrayImage, g_cannyDetectedEdges, Size(3, 3));
  //运行Cannny算子
  Canny(g_cannyDetectedEdges, g_cannyDetectedEdges, g_cannyLowThreshold, g_cannyLowThreshold * 3, 3);
  //先将g_dstImage内的所有元素设置为0
  g_dstImage = Scalar::all(0);
  //使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码,来将源图拷贝到目标图
  g_srcImage.copyTo(g_dstImage, g_cannyDetectedEdges);
  //显示效果图
  imshow("【Canny效果图】", g_dstImage);
}
//================================
//  Sobel边缘检测窗口滚动条的回调函数
//===============================
void on_Sobel(int, void*)
{
  //求X方向梯度
  Sobel(g_srcImage, g_sobelGradient_X, CV_16S, 1, 0, (2 * g_sobelKernelSize + 1), 1, 1, BORDER_DEFAULT);
  convertScaleAbs(g_sobelGradient_X, g_sobelAbsGradient_X);
  //求Y方向梯度
  Sobel(g_srcImage, g_sobelGradient_Y, CV_16S, 0, 1, (2 * g_sobelKernelSize + 1), 1, 1, BORDER_DEFAULT);
  convertScaleAbs(g_sobelGradient_Y, g_sobelAbsGradient_Y);
  //合并梯度
  addWeighted(g_sobelAbsGradient_X, 0.5, g_sobelAbsGradient_Y, 0.5, 0, g_dstImage);
  imshow("【Sobel效果图】", g_dstImage);
}
//================================
//  封装Scharr边缘检测
//===============================
void Scharr()
{
  Scharr(g_srcImage, g_scharrGradient_X, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);
  convertScaleAbs(g_scharrGradient_X, g_scharrAbsGradient_X);
  Scharr(g_srcImage, g_scharrGradient_Y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);
  convertScaleAbs(g_scharrGradient_Y, g_scharrAbsGradient_Y);
  addWeighted(g_scharrAbsGradient_X, 0.5, g_scharrAbsGradient_Y, 0.5, 0, g_dstImage);
  imshow("【Scharr效果图】", g_dstImage);
}

效果图展示:

相关文章
|
1月前
|
算法 计算机视觉
OpenCV(二十六):边缘检测(二)
OpenCV(二十六):边缘检测(二)
32 0
|
1月前
|
计算机视觉
OpenCV(二十五):边缘检测(一)
OpenCV(二十五):边缘检测(一)
71 0
|
1月前
|
算法 计算机视觉 Python
OpenCV中Canny边缘检测和霍夫变换的讲解与实战应用(附Python源码)
OpenCV中Canny边缘检测和霍夫变换的讲解与实战应用(附Python源码)
143 0
|
5天前
|
算法 计算机视觉
【Qt&OpenCV 图像边缘检测 Sobel/Laplace/Canny】
【Qt&OpenCV 图像边缘检测 Sobel/Laplace/Canny】
6 0
|
1月前
|
算法 计算机视觉
OpenCV高斯差分技术实现图像边缘检测
OpenCV高斯差分技术实现图像边缘检测
|
1月前
|
算法 数据可视化 计算机视觉
opencv Canny边缘检测(python)
opencv Canny边缘检测(python)
|
1月前
|
算法 C++ 计算机视觉
Opencv(C++)学习系列---Laplacian拉普拉斯边缘检测算法
Opencv(C++)学习系列---Laplacian拉普拉斯边缘检测算法
107 0
|
1月前
|
算法 计算机视觉 C++
Opencv(C++)学习系列---Sobel索贝尔算子边缘检测
Opencv(C++)学习系列---Sobel索贝尔算子边缘检测
|
1月前
|
算法 C++ 计算机视觉
Opencv(C++)学习系列---Canny边缘检测算法
Opencv(C++)学习系列---Canny边缘检测算法
|
1月前
|
监控 算法 开发工具
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现获取图像并对图像进行边缘检测(C++)
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现获取图像并对图像进行边缘检测(C++)
35 1