OpenCV学习笔记（三）：Canny边缘检测和滚动条制作

    图像的边缘检测的原理是检测出图像中所有灰度值变化较大的点，而且这些点连接起来就构成了若干线条，这些线条就可以称为图像的边缘。

    Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。Canny 边缘检测的数学原理和算法实现这里就不再了，有兴趣的读者可以查阅专业书籍，本文主要介绍如何在OpenCV中对图像进行Canny 边缘检测，下面就来看看这个函数的原型。

《OpenCV入门指南》系列文章地址：http://blog.csdn.net/morewindows/article/category/1291764

 

一. 主要函数

1.1 cvCanny

函数功能：采用Canny方法对图像进行边缘检测

函数原型：

void cvCanny(

  const CvArr* image,

  CvArr* edges,

  double threshold1,double threshold2,

  int aperture_size=3

);

函数说明：

第一个参数表示输入图像，必须为单通道灰度图。

第二个参数表示输出的边缘图像，为单通道黑白图。

第三个参数和第四个参数表示阈值，这二个阈值中当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割即如果一个像素的梯度大与上限值，则被认为是边缘像素，如果小于下限阈值，则被抛弃。如果该点的梯度在两者之间则当这个点与高于上限值的像素点连接时我们才保留，否则删除。

第五个参数表示Sobel 算子大小，默认为3即表示一个3*3的矩阵。Sobel 算子与高斯拉普拉斯算子都是常用的边缘算子，详细的数学原理可以查阅专业书籍。

 

为了更好的使用cvCanny()函数，下面再介绍二个实用的函数，这二个函数对后面的程序实现非常有帮助。

 

1.2 cvCreateTrackbar

函数功能：创建trackbar并添加到指定窗口

函数原型：

intcvCreateTrackbar(

  const char* trackbar_name,

  const char* window_name,

  int* value,

  intcount,

  CvTrackbarCallback on_change

);

函数说明：

第一个参数表示该trackbar的名称。

第二个参数表示窗口名称，该trackbar将显示在这个窗口内。

第三个参数表示创建时滑块的位置。

第四个参数表示滑块位置的最大值，最小值固定为0。

第五个参数表示回调函数。当滑块位置有变化时，系统会调用该回调函数。

注：被创建的trackbar默认显示在指定窗口的顶端，可以通过函数cvGetTrackbarPos()来获取trackbar显示的位置信息，以及通过函数cvSetTrackbarPos()来重新设置trackbar的显示位置。

 

1.3  CvTrackbarCallback

函数功能：cvCreateTrackbar()函数所使用的回调函数

函数定义：

typedef void (CV_CDECL *CvTrackbarCallback)(int pos)

函数说明：

当trackbar位置被改变的时，系统会调用这个回调函数，并将参数pos设置为表示trackbar位置的数值。

 

二. 示例程序代码

下面就给出在OpenCV中使用Canny 边缘检测的程序代码：

[cpp] view
plain copy

//图像的Canny边缘检测  

//By MoreWindows (http://blog.csdn.net/MoreWindows)  

#include <opencv2/opencv.hpp>  

using namespace std;  

#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")  

IplImage *g_pSrcImage, *g_pCannyImg;  

const char *pstrWindowsCannyTitle = "边缘检测图(http://blog.csdn.net/MoreWindows)";  

//cvCreateTrackbar的回调函数  

void on_trackbar(int threshold)  

{  

    //canny边缘检测  

    cvCanny(g_pSrcImage, g_pCannyImg, threshold, threshold * 3, 3);  

    cvShowImage(pstrWindowsCannyTitle, g_pCannyImg);  

}  

int main()  

{  

    const char *pstrImageName = "001.jpg";  

    const char *pstrWindowsSrcTitle = "原图(http://blog.csdn.net/MoreWindows)";  

    const char *pstrWindowsToolBar = "Threshold";  

  

    //从文件中载入图像的灰度图CV_LOAD_IMAGE_GRAYSCALE - 灰度图  

    g_pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_GRAYSCALE);  

    g_pCannyImg = cvCreateImage(cvGetSize(g_pSrcImage), IPL_DEPTH_8U, 1);  

  

    //创建窗口  

    cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);  

    cvNamedWindow(pstrWindowsCannyTitle, CV_WINDOW_AUTOSIZE);  

  

//创建滑动条  

    int nThresholdEdge = 1;  

    cvCreateTrackbar(pstrWindowsToolBar, pstrWindowsCannyTitle, &nThresholdEdge, 100, on_trackbar);  

  

    //在指定窗口中显示图像  

    cvShowImage(pstrWindowsSrcTitle, g_pSrcImage);  

    on_trackbar(1);  

  

    //等待按键事件  

    cvWaitKey();  

  

    cvDestroyWindow(pstrWindowsSrcTitle);  

    cvDestroyWindow(pstrWindowsCannyTitle);  

    cvReleaseImage(&g_pSrcImage);  

    cvReleaseImage(&g_pCannyImg);  

    return 0;  

}  

运行效果如图所示：



 

本篇介绍了Canny边缘检测，这种方法能有效的找出图像中的所有边缘。后面将还有文章介绍在OpenCV中对图像进行轮廓检测，欢迎继续浏览。在对图像进行轮廓检测前必须要先对图像进行二值化，因此请先看《【OpenCV入门指南】第四篇图像的二值化》

 

转载请标明出处，原文地址：http://blog.csdn.net/morewindows/article/details/8239625

《OpenCV入门指南》系列文章地址：http://blog.csdn.net/morewindows/article/category/1291764