OpenCV 筆記 – 邊緣檢測(cè)（Sobel、Laplace、Canny）

---

參考文檔

---

一、Sobel 算子

---

1、簡(jiǎn)介

Sobel 算子是一個(gè)離散的一階差分算子，用來(lái)計(jì)算圖像亮度函數(shù)的一階梯度近似值。在圖像的任何一點(diǎn)使用此算子，將會(huì)產(chǎn)生該點(diǎn)對(duì)應(yīng)的梯度矢量或是其法矢量。算子其實(shí)是一個(gè)模板，用模板與圖像做卷積(協(xié)相關(guān))運(yùn)算。

Sobel 模板（x 和y 方向）：　　
求出近似梯度：
　　
梯度方向：
　　

２、特點(diǎn)

• 具有一定的噪聲魯棒性
• 有邊緣方向信息

３、OpenCV 中的 Sobel 函數(shù)

函數(shù)原型：

void Sobel (InputArray src, OutputArray dst,int ddepth, int dx, int dy, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT);

參數(shù)詳解：

• 第一個(gè)參數(shù)：InputArray 類型的src，為輸入圖像，填Mat類型即可。

• 第二個(gè)參數(shù)：OutputArray類型的dst，即目標(biāo)圖像，函數(shù)的輸出參數(shù)，需要和源圖片有一樣的尺寸和類型。

• 第三個(gè)參數(shù)：int類型的ddepth，輸出圖像的深度，支持如下src.depth()和ddepth的組合

• 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

• 第四個(gè)參數(shù)：int類型dx，x 方向上的差分階數(shù)。

• 第五個(gè)參數(shù)：int類型dy，y方向上的差分階數(shù)。

• 第六個(gè)參數(shù)：int類型ksize，有默認(rèn)值3，表示Sobel核的大小。必須取1，3，5或7。

• 第七個(gè)參數(shù)：double類型的scale，計(jì)算導(dǎo)數(shù)值時(shí)可選的縮放因子，默認(rèn)值是1，表示默認(rèn)情況下是沒(méi)有應(yīng)用縮放的。我們可以在文檔中查閱getDerivKernels的相關(guān)介紹，來(lái)得到這個(gè)參數(shù)的更多信息。

• 第八個(gè)參數(shù)：double類型的delta，表示在結(jié)果存入目標(biāo)圖（第二個(gè)參數(shù)dst）之前可選的delta值，有默認(rèn)值0。

• 第九個(gè)參數(shù)： int類型的borderType，邊界模式，默認(rèn)值為BORDER_DEFAULT。這個(gè)參數(shù)可以在官方文檔中borderInterpolate處得到更詳細(xì)的信息。

函數(shù)使用：

#include <opencv2/opencv.hpp> using namespace cv;int main() {Mat grad_x, grad_y;Mat abs_grad_x, abs_grad_y,dst;// 載入原始圖 Mat src = imread("1.jpg"); // 顯示原始圖 imshow("【原始圖】sobel邊緣檢測(cè)", src); // 求 X方向梯度Sobel(src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );convertScaleAbs(grad_x, abs_grad_x );imshow("【效果圖】X方向Sobel", abs_grad_x); // 求Y方向梯度Sobel(src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );convertScaleAbs( grad_y, abs_grad_y );imshow("【效果圖】Y方向Sobel", abs_grad_y); // 合并梯度(近似)addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );imshow("【效果圖】Sobel算子", dst); waitKey(0); return 0; }

---

二、Laplace 算子

---

1、簡(jiǎn)介

拉普拉斯算子一個(gè)二階微分算子。

Laplace 模板：
　　

２、特點(diǎn)

• 旋轉(zhuǎn)不變性
• 沒(méi)有了邊緣的方向信息
• 雙倍加強(qiáng)了噪聲的影響

３、OpenCV 中的 Sobel 函數(shù)

函數(shù)原型：

void Laplacian(InputArray src,OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, intborderType=BORDER_DEFAULT);

---

三、Canny 邊緣提取

---

1、特點(diǎn)

檢測(cè)標(biāo)準(zhǔn)：不丟失重要的邊緣，沒(méi)有虛假的邊緣
定位標(biāo)準(zhǔn)：實(shí)際邊緣與檢測(cè)到的邊緣位置之間的偏差最小
單響應(yīng)標(biāo)準(zhǔn)：將多個(gè)響應(yīng)降低為單個(gè)邊緣響應(yīng)

2、步驟

1) 使用高斯濾波器，以平滑圖像，濾除噪聲。

2) 計(jì)算圖像中每個(gè)像素點(diǎn)的梯度強(qiáng)度和方向。

可以使用多種邊緣檢測(cè)的算子（如Roberts，Prewitt，Sobel等）返回水平 Gx 和垂直 Gy 方向的一階導(dǎo)數(shù)值，由此便可以確定像素點(diǎn)的梯度G和方向theta 。

3) 應(yīng)用非極大值（Non-Maximum Suppression）抑制，以消除邊緣檢測(cè)帶來(lái)的雜散響應(yīng)。

對(duì)圖像進(jìn)行梯度計(jì)算后，僅僅基于梯度值提取的邊緣仍然很模糊。非極大值抑制則可以幫助將局部最大值之外的所有梯度值抑制為0，對(duì)梯度圖像中每個(gè)像素進(jìn)行非極大值抑制的算法是：

• 將當(dāng)前像素的梯度強(qiáng)度與沿正負(fù)梯度方向上的兩個(gè)像素進(jìn)行比較。
• 如果當(dāng)前像素的梯度強(qiáng)度與另外兩個(gè)像素相比最大，則該像素點(diǎn)保留為邊緣點(diǎn)，否則該像素點(diǎn)將被抑制。

通常為了更加精確的計(jì)算，在跨越梯度方向的兩個(gè)相鄰像素之間使用線性插值來(lái)得到要比較的像素梯度。

4) 應(yīng)用雙閾值（Double-Threshold）檢測(cè)來(lái)確定真實(shí)的和潛在的邊緣。

為了解決由于噪聲和顏色變化引起的一些邊緣像素的雜散響應(yīng)，必須用弱梯度值過(guò)濾邊緣像素，并保留具有高梯度值的邊緣像素，可以通過(guò)選擇高低閾值來(lái)實(shí)現(xiàn)。如果邊緣像素的梯度值高于高閾值，則將其標(biāo)記為強(qiáng)邊緣像素；如果邊緣像素的梯度值小于高閾值并且大于低閾值，則將其標(biāo)記為弱邊緣像素；如果邊緣像素的梯度值小于低閾值，則會(huì)被抑制。閾值的選擇取決于給定輸入圖像的內(nèi)容。

5) 通過(guò)抑制孤立的弱邊緣最終完成邊緣檢測(cè)。

對(duì)于弱邊緣像素，因?yàn)檫@些像素可能是從真實(shí)邊緣提取也可能是因噪聲或顏色變化引起的。為了獲得準(zhǔn)確的結(jié)果，應(yīng)該抑制由后者引起的弱邊緣。通常，由真實(shí)邊緣引起的弱邊緣像素將連接到強(qiáng)邊緣像素，而噪聲響應(yīng)未連接。為了跟蹤邊緣連接，通過(guò)查看弱邊緣像素及其8個(gè)鄰域像素，只要其中一個(gè)為強(qiáng)邊緣像素，則該弱邊緣點(diǎn)就可以保留為真實(shí)的邊緣。

３、OpenCV 中 Canny 函數(shù)

函數(shù)原型：

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

參數(shù)詳解：

• 第一個(gè)參數(shù)：InputArray 類型的 image，輸入圖像，即源圖像，填Mat類的對(duì)象即可，且需為單通道8位圖像
• 第二個(gè)參數(shù)：OutputArray 類型的 edges，輸出的邊緣圖，需要和源圖片有一樣的尺寸和類型
• 第三個(gè)參數(shù)：double 類型的 threshold1，第一個(gè)滯后性閾值
• 第四個(gè)參數(shù)：double 類型的 threshold2，第二個(gè)滯后性閾值
• 第五個(gè)參數(shù)：int 類型的 apertureSize，表示應(yīng)用 Sobel 算子的模板大小，默認(rèn)值3
• 第六個(gè)參數(shù)：bool 類型的 L2gradient，一個(gè)計(jì)算圖像梯度幅值的標(biāo)識(shí)，默認(rèn)值false

函數(shù)使用：

#include <opencv2/opencv.hpp> using namespace cv;int main() {//載入原始圖 Mat src = imread("1.jpg"); //進(jìn)行Canny邊緣檢測(cè) Canny(src, src, 150, 100, 3 );//顯示邊緣檢測(cè)的結(jié)果圖imshow("【效果圖】Canny邊緣檢測(cè)", src);waitKey(0); return 0; }

---

總結(jié)

以上是生活随笔為你收集整理的OpenCV 笔记 -- 边缘检测（Sobel、Laplace、Canny）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。