OpenCV使用Canny边缘检测器实现图像边缘检测
2016-08-19 17:18
736 查看
纯粹阅读,请移步OpenCV使用Canny边缘检测器实现图像边缘检测
Canny边缘检测器是一种被广泛使用的算法,并被认为是边缘检测最优的算法,该方法使用了比高斯差分算法更复杂的技巧,如多向灰度梯度和滞后阈值化。
计算图像的梯度:这里计算图像的梯度,并将梯度分类为垂直、水平和斜对角。这一步的输出用于在下一步中计算真正的边缘。
非最大值抑制:利用上一步计算出来的梯度方向,检测某一像素在梯度的正方向和负方向上是否是局部最大值,如果是,则抑制该像素(像素不属于边缘)。这是一种边缘细化技术,用最急剧的变换选出边缘点。
用滞后阈值化选择边缘:最后一步,检查某一条边缘是否明显到足以作为最终输出,最后去除所有不明显的边缘。
算法比较复杂,但是使用很简单,首先将图像灰度化
然后调用
第一个参数表示图像输入
第二个参数表述图像输出
第三个参数表示低阈值
第四个参数表示高阈值
在Canny边缘检测算法中,将图像中的点归为三类:
被抑制点
灰度梯度值 < 低阈值
弱边缘点
低阈值 <= 灰度梯度值 <= 高阈值
强边缘点
高阈值 < 灰度梯度值
效果图
源码
KqwOpenCVFeaturesDemoCanny边缘检测器是一种被广泛使用的算法,并被认为是边缘检测最优的算法,该方法使用了比高斯差分算法更复杂的技巧,如多向灰度梯度和滞后阈值化。
Canny边缘检测器算法基本步骤
平滑图像:通过使用合适的模糊半径执行高斯模糊来减少图像内的噪声。计算图像的梯度:这里计算图像的梯度,并将梯度分类为垂直、水平和斜对角。这一步的输出用于在下一步中计算真正的边缘。
非最大值抑制:利用上一步计算出来的梯度方向,检测某一像素在梯度的正方向和负方向上是否是局部最大值,如果是,则抑制该像素(像素不属于边缘)。这是一种边缘细化技术,用最急剧的变换选出边缘点。
用滞后阈值化选择边缘:最后一步,检查某一条边缘是否明显到足以作为最终输出,最后去除所有不明显的边缘。
算法比较复杂,但是使用很简单,首先将图像灰度化
// 原图置灰 Imgproc.cvtColor(src, grayMat, Imgproc.COLOR_BGR2GRAY);
然后调用
Imgproc.Canny()方法即可
// Canny边缘检测器检测图像边缘 Imgproc.Canny(grayMat, cannyEdges, 10, 100);
第一个参数表示图像输入
第二个参数表述图像输出
第三个参数表示低阈值
第四个参数表示高阈值
在Canny边缘检测算法中,将图像中的点归为三类:
被抑制点
灰度梯度值 < 低阈值
弱边缘点
低阈值 <= 灰度梯度值 <= 高阈值
强边缘点
高阈值 < 灰度梯度值
封装
/**
* Canny边缘检测算法
*
* @param bitmap 要检测的图片
*/
public void canny(Bitmap bitmap) {
if (null != mSubscriber)
Observable
.just(bitmap)
.map(new Func1<Bitmap, Bitmap>() {
@Override
public Bitmap call(Bitmap bitmap) {
Mat grayMat = new Mat();
Mat cannyEdges = new Mat();
// Bitmap转为Mat
Mat src = new Mat(bitmap.getHeight(), bitmap.getWidth(), CvType.CV_8UC4);
Utils.bitmapToMat(bitmap, src);
// 原图置灰 Imgproc.cvtColor(src, grayMat, Imgproc.COLOR_BGR2GRAY);
// Canny边缘检测器检测图像边缘 Imgproc.Canny(grayMat, cannyEdges, 10, 100);
// Mat转Bitmap
Bitmap processedImage = Bitmap.createBitmap(cannyEdges.cols(), cannyEdges.rows(), Bitmap.Config.ARGB_8888);
Utils.matToBitmap(cannyEdges, processedImage);
return processedImage;
}
})
.subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(mSubscriber);
}
使用
// 图片特征提取的工具类 mFeaturesUtil = new FeaturesUtil(new Subscriber<Bitmap>() { @Override public void onCompleted() { // 图片处理完成 dismissProgressDialog(); } @Override public void onError(Throwable e) { // 图片处理异常 dismissProgressDialog(); } @Override public void onNext(Bitmap bitmap) { // 获取到处理后的图片 mImageView.setImageBitmap(bitmap); } }); // Canny边缘检测器检测图像边缘 mFeaturesUtil.canny(mSelectImage);
相关文章推荐
- OpenCV使用Sobel滤波器实现图像边缘检测
- android studio 使用 jni 编译 opencv 完整实例 之 图像边缘检测!从此在andrid中自由使用 图像匹配、识别、检测
- Python下opencv使用笔记(七)(图像梯度与边缘检测)
- android中使用OpenCV之图像边缘检测
- OpenCV之imgproc 模块. 图像处理(2)实现自己的线性滤波器 给图像添加边界 Sobel 导数 Laplace 算子 Canny 边缘检测
- OpenCV图像识别、移动侦测、边缘检测实现及 cvCopy()和cvCloneImage()的区别
- 使用 C# 实现图像的边缘检测
- openCV实现图像边缘检测
- android studio 使用 jni 编译 opencv 完整实例 之 图像边缘检测!从此在andrid中自由使用 图像匹配、识别、检测
- Python语言opencv使用笔记(七)(图像梯度与边缘检测)
- opencv图像边缘检测使用,先做平滑处理在进行边缘检测
- OpenCV图像识别、移动侦测、边缘检测实现及 cvCopy()和cvCloneImage()的区别
- OpenCV自学笔记31. Android 上使用jni和opencv 实现边缘检测和直线检测
- OpenCV高斯差分技术实现图像边缘检测
- android studio 使用 jni 编译 opencv 完整实例 之 图像边缘检测!
- 使用OpenCV对图像作边缘检测(Canny、Sobel、Laplace)
- android studio 使用 jni 编译 opencv 完整实例 之 图像边缘检测!从此在andrid中自由使用 图像匹配、识别、检测
- opencv读图像C语言实现canny边缘检测
- 四.使用OpenCv采集图像及图像边缘检测
- Android(安卓)开发通过NDK调用JNI,使用opencv做本地c++代码开发配置方法实现边缘检测代码(2)