Canny算法

边缘检测算法：Canny算法

该算法不容易受到噪声的影响，能够识别图像中的弱边缘和强边缘，并结合强弱边缘的位置关系，综合给出图像整体的边缘信息

Canny边缘检测算法目前是最优越的边缘检测算法之一，该方法的检测过程分为以下5步

第一步：使用高斯滤波平滑图像，减少图像中噪声，在一般情况下，使用5x5的高斯滤波器

第二步：计算图像中每个像素的梯度方向和幅值，首先通过Sobel算子分别检测图像X方向的边缘和Y方向的边缘

为了简便，梯度方向常取值0°、45°、90°和135°这4个角度之一

第三步：应用非极大值抑制算法消除边缘检测带来的杂散响应，首先，将当前像素的梯度强度与沿正负梯度方向上的两个像素

进行比较，如果当前像素的梯度强度与另外两个像素梯度强度相比最大，那么该像素点保留位边缘点，否则被抑制

第四步：应用双阈值法划分强边缘和弱边缘，将边缘处的梯度值与两个阈值进行比较，如果某像素的梯度幅值小于较小的阈值

那么会被去除；如果某像素的梯度幅值大于较小幅值、小于较大阈值，那么将该像素标记为弱边缘；如果某像素的梯度

幅值大于较大阈值，那么将该像素标记为强边缘

第五步：消除孤立的弱边缘。在弱边缘的8邻域范围寻找强边缘，如果8领域内存在强边缘，就保留该弱边缘， 否则将删除弱边缘

最终输出边缘检测结果

OpenCV4提供了Canny()函数实现Canny算法检测图像中的边缘

Canny()函数原型：

void Canny(InputArray image,
           OuputArray edges,
           double threshold1,
           double threshold2,
           int apertureSize = 3,
           bool L2gradient = false
           )

• image：输入图像，必须是CV_8U的单通道或者三通道图像
• edges：输出图像，与输入图像具有相同的单通道图像，且数据类型为CV_8U
• threshold1：第一个滞后阈值
• threshold2：第二个滞后阈值
• apertureSize：Sobel算子的直径
• L2gradient：计算图像梯度幅方法的标志（两种）

该函数利用Canny算法提取图像中的边缘信息，第一个参数是需要提取边缘的输入图像，目前只支持数据类型为CV_8U的图像

输入图像可以是灰度图像或者彩色图像，第二个参数是边缘检测结果的输出图像，图像是数据类型为CV_8U的单通道灰度图像

第三、四个参数是Canny算法中用于区分强边缘和弱边缘的两个阈值，两个参数不区分较大阈值和较小阈值，函数自动区分大小

一般情况下较大阈值与较小阈值的比值在2：1到3：1之间

示例：

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
    //读取图像，黑白图像边缘检测结果较为明显
    Mat img = imread("E:\\CLion\\opencv_xin\\SG\\SG_0.jpg",IMREAD_ANYDEPTH);
    if (img.empty())
    {
        cout << "error" << endl;
        return -1;
    }
    Mat resultHigh,resultLow,resultG;
    //高阈值检测图像边缘
    Canny(img,resultHigh,100,200,3);
    //低阈值检测图像边缘
    Canny(img,resultLow,20,40,3);
    //高斯模糊后检测图像边缘
    GaussianBlur(img,resultG,Size(3,3),5);
    Canny(resultG,resultG,100,200,3);
    //显示图像
    imshow("resultHigh",resultHigh);
    imshow("resultLow",resultLow);
    imshow("resultG",resultG);
    waitKey(0);
    return 0;
}

注：较高的阈值会降低噪声信息对图像提取边缘结果的影响，但是同时也会减少结果种的边缘结果