【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑
本系列文章由@淺墨_毛星云?出品，轉(zhuǎn)載請注明出處。??
文章鏈接：?http://blog.csdn.net/poem_qianmo/article/details/25560901
作者：毛星云（淺墨） ? ?微博：http://weibo.com/u/1723155442
知乎：http://www.zhihu.com/people/mao-xing-yun
郵箱：?happylifemxy@163.com
?
本篇文章中，我們將一起學習OpenCV中邊緣檢測的各種算子和濾波器——Canny算子,Sobel算子,Laplace算子以及Scharr濾波器。文章中包含了五個淺墨為大家準備的詳細注釋的博文配套源代碼。在介紹四塊知識點的時候分別一個，以及最后的綜合示例中的一個。文章末尾提供配套源代碼的下載。
依然是是放出一些程序運行截圖吧：
?
?效果圖看完，我們來嘮嘮嗑。
首先，需要說明的是，淺墨這篇文章最后的示例代碼是采用兩周前剛剛發(fā)布的2.4.9來書寫的。里面的lib都已經(jīng)改成了2.4.9版本的。如果大家需要運行的話，要么配置好2.4.9.要么把淺墨在工程中包含的末尾數(shù)字為249的各種lib改成之前的248或者你對應的OpenCV版本。
不然會提示：?LINK : fatal error LNK1181: 無法打開輸入文件“opencv_calib3d248.lib”之類的錯誤。
OpenCV 2.4.9的配置和之前的2.4.8差不多，如果還是不太清楚，具體可以參考淺墨修改過的對應2.4.9版的配置文章：
【OpenCV入門教程之一】 安裝OpenCV：OpenCV 2.4.8或2.4.9 +VS 開發(fā)環(huán)境配置
?
第二，給大家分享一個OpenCV中寫代碼時節(jié)約時間的小常識。其實OpenCV中，不用namedWindow，直接imshow就可以顯示出窗口。大家看下文的示例代碼就可以發(fā)現(xiàn)，淺墨在寫代碼的時候并沒有用namedWindow，遇到想顯示出來的Mat變量直接imshow。我們一般是為了規(guī)范，才先用namedWindow創(chuàng)建窗口，再imshow出它來，因為我們還有需要用到指定窗口名稱的地方，比如用到trackbar的時候。而一般情況想顯示一個Mat變量的圖片的話，直接imshow就可以啦。
?
OK，開始正文吧~
?
一、關(guān)于邊緣檢測
???????
在具體介紹之前，先來一起看看邊緣檢測的一般步驟吧。
1）濾波：邊緣檢測的算法主要是基于圖像強度的一階和二階導數(shù)，但導數(shù)通常對噪聲很敏感，因此必須采用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。常見的濾波方法主要有高斯濾波，即采用離散化的高斯函數(shù)產(chǎn)生一組歸一化的高斯核（具體見“高斯濾波原理及其編程離散化實現(xiàn)方法”一文），然后基于高斯核函數(shù)對圖像灰度矩陣的每一點進行加權(quán)求和（具體程序?qū)崿F(xiàn)見下文）。
?
??????? 2）增強：增強邊緣的基礎(chǔ)是確定圖像各點鄰域強度的變化值。增強算法可以將圖像灰度點鄰域強度值有顯著變化的點凸顯出來。在具體編程實現(xiàn)時，可通過計算梯度幅值來確定。
?
????? ??3）檢測：經(jīng)過增強的圖像，往往鄰域中有很多點的梯度值比較大，而在特定的應用中，這些點并不是我們要找的邊緣點，所以應該采用某種方法來對這些點進行取舍。實際工程中，常用的方法是通過閾值化方法來檢測。
另外，需要注意，下文中講到的Laplace算子，sobel算子和Scharr算子都是帶方向的，所以，示例中我們分別寫了X方向,Y方向和最終合成的的效果圖。
OK，正餐開始，召喚canny算子。：）
?
二、canny算子篇
?
2.1 canny算子相關(guān)理論與概念講解
2.1.1 canny算子簡介
Canny邊緣檢測算子是John F.Canny于 1986 年開發(fā)出來的一個多級邊緣檢測算法。更為重要的是 Canny 創(chuàng)立了邊緣檢測計算理論（Computational theory ofedge detection），解釋了這項技術(shù)是如何工作的。Canny邊緣檢測算法以Canny的名字命名，被很多人推崇為當今最優(yōu)的邊緣檢測的算法。
其中，Canny 的目標是找到一個最優(yōu)的邊緣檢測算法，讓我們看一下最優(yōu)邊緣檢測的三個主要評價標準:
?
1.低錯誤率: 標識出盡可能多的實際邊緣，同時盡可能的減少噪聲產(chǎn)生的誤報。
2.高定位性: 標識出的邊緣要與圖像中的實際邊緣盡可能接近。
3.最小響應: 圖像中的邊緣只能標識一次，并且可能存在的圖像噪聲不應標識為邊緣。
?
為了滿足這些要求 Canny 使用了變分法，這是一種尋找滿足特定功能的函數(shù)的方法。最優(yōu)檢測使用四個指數(shù)函數(shù)項的和表示，但是它非常近似于高斯函數(shù)的一階導數(shù)。
?
?
2.1.2 Canny 邊緣檢測的步驟
1.消除噪聲。 一般情況下，使用高斯平滑濾波器卷積降噪。 如下顯示了一個 size = 5 的高斯內(nèi)核示例:
?
2.計算梯度幅值和方向。 此處，按照Sobel濾波器的步驟。
?
Ⅰ.運用一對卷積陣列 (分別作用于 x 和 y 方向):
?
Ⅱ.使用下列公式計算梯度幅值和方向:
?
梯度方向近似到四個可能角度之一(一般為0, 45, 90, 135)
?
3.非極大值抑制。 這一步排除非邊緣像素， 僅僅保留了一些細線條(候選邊緣)。
?
4.滯后閾值。最后一步，Canny 使用了滯后閾值，滯后閾值需要兩個閾值(高閾值和低閾值):
?
Ⅰ.如果某一像素位置的幅值超過 高 閾值, 該像素被保留為邊緣像素。
Ⅱ.如果某一像素位置的幅值小于 低 閾值, 該像素被排除。
Ⅲ.如果某一像素位置的幅值在兩個閾值之間,該像素僅僅在連接到一個高于 高 閾值的像素時被保留。
tips：對于Canny函數(shù)的使用，推薦的高低閾值比在2:1到3:1之間。
?
更多的細節(jié)，可以參考canny算子的wikipedia：
http://en.wikipedia.org/wiki/Canny_edge_detector
canny邊緣檢測的原理講述，課參看這篇博文：
http://blog.csdn.net/likezhaobin/article/details/6892176
canny算子的中文wikipedia：
http://zh.wikipedia.org/wiki/Canny%E7%AE%97%E5%AD%90
?
2.2 OpenCV中Canny函數(shù)詳解
?
Canny函數(shù)利用Canny算法來進行圖像的邊緣檢測。
?
C++: void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )- 第一個參數(shù)，InputArray類型的image，輸入圖像，即源圖像，填Mat類的對象即可，且需為單通道8位圖像。
- 第二個參數(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。
- 第三個參數(shù)，double類型的threshold1，第一個滯后性閾值。
- 第四個參數(shù)，double類型的threshold2，第二個滯后性閾值。
- 第五個參數(shù)，int類型的apertureSize，表示應用Sobel算子的孔徑大小，其有默認值3。
- 第六個參數(shù)，bool類型的L2gradient，一個計算圖像梯度幅值的標識，有默認值false。
?
需要注意的是，這個函數(shù)閾值1和閾值2兩者的小者用于邊緣連接，而大者用來控制強邊緣的初始段，推薦的高低閾值比在2:1到3:1之間。
?
調(diào)用示例：
//載入原始圖 Mat src = imread("1.jpg"); //工程目錄下應該有一張名為1.jpg的素材圖Canny(src, src, 3, 9,3 );imshow("【效果圖】Canny邊緣檢測", src);
如上三句，就有結(jié)果出來，非常好用。
?
?
2.3 調(diào)用Canny函數(shù)的實例代碼
?
OpenCV中調(diào)用Canny函數(shù)的實例代碼如下：
?
//-----------------------------------【頭文件包含部分】--------------------------------------- // 描述：包含程序所依賴的頭文件 //---------------------------------------------------------------------------------------------- #include <opencv2/opencv.hpp> #include<opencv2/highgui/highgui.hpp> #include<opencv2/imgproc/imgproc.hpp>//-----------------------------------【命名空間聲明部分】--------------------------------------- // 描述：包含程序所使用的命名空間 //----------------------------------------------------------------------------------------------- using namespace cv; //-----------------------------------【main( )函數(shù)】-------------------------------------------- // 描述：控制臺應用程序的入口函數(shù)，我們的程序從這里開始 //----------------------------------------------------------------------------------------------- int main( ) {//載入原始圖 Mat src = imread("1.jpg"); //工程目錄下應該有一張名為1.jpg的素材圖Mat src1=src.clone();//顯示原始圖 imshow("【原始圖】Canny邊緣檢測", src); //----------------------------------------------------------------------------------// 一、最簡單的canny用法，拿到原圖后直接用。//----------------------------------------------------------------------------------Canny( src, src, 150, 100,3 );imshow("【效果圖】Canny邊緣檢測", src); //----------------------------------------------------------------------------------// 二、高階的canny用法，轉(zhuǎn)成灰度圖，降噪，用canny，最后將得到的邊緣作為掩碼，拷貝原圖到效果圖上，得到彩色的邊緣圖//----------------------------------------------------------------------------------Mat dst,edge,gray;// 【1】創(chuàng)建與src同類型和大小的矩陣(dst)dst.create( src1.size(), src1.type() );// 【2】將原圖像轉(zhuǎn)換為灰度圖像cvtColor( src1, gray, CV_BGR2GRAY );// 【3】先用使用 3x3內(nèi)核來降噪blur( gray, edge, Size(3,3) );// 【4】運行Canny算子Canny( edge, edge, 3, 9,3 );//【5】將g_dstImage內(nèi)的所有元素設(shè)置為0 dst = Scalar::all(0);//【6】使用Canny算子輸出的邊緣圖g_cannyDetectedEdges作為掩碼，來將原圖g_srcImage拷到目標圖g_dstImage中src1.copyTo( dst, edge);//【7】顯示效果圖 imshow("【效果圖】Canny邊緣檢測2", dst); waitKey(0); return 0; }運行效果圖：
?
?
?
?
三、sobel算子篇
3.1 sobel算子相關(guān)理論與概念講解
3.1.1 基本概念
Sobel 算子是一個主要用作邊緣檢測的離散微分算子 (discrete differentiation operator)。 它Sobel算子結(jié)合了高斯平滑和微分求導，用來計算圖像灰度函數(shù)的近似梯度。在圖像的任何一點使用此算子，將會產(chǎn)生對應的梯度矢量或是其法矢量。
sobel算子的wikipedia：
http://zh.wikipedia.org/wiki/%E7%B4%A2%E8%B2%9D%E7%88%BE%E7%AE%97%E5%AD%90
?
sobel算子相關(guān)概念，還可以參看這篇博文：
http://www.cnblogs.com/lancidie/archive/2011/07/17/2108885.html
?
3.1.2 sobel算子的計算過程
我們假設(shè)被作用圖像為 I.然后進行如下的操作：
?
1.分別在x和y兩個方向求導。
Ⅰ.水平變化: 將 I 與一個奇數(shù)大小的內(nèi)核進行卷積。比如，當內(nèi)核大小為3時, 的計算結(jié)果為:
?
?
?
Ⅱ.垂直變化: 將: I 與一個奇數(shù)大小的內(nèi)核進行卷積。比如，當內(nèi)核大小為3時, 的計算結(jié)果為:
?
?
2.在圖像的每一點，結(jié)合以上兩個結(jié)果求出近似梯度:
?
另外有時，也可用下面更簡單公式代替:
?
?
?
3.2 OpenCV中Sobel函數(shù)詳解
Sobel函數(shù)使用擴展的 Sobel 算子，來計算一階、二階、三階或混合圖像差分。
C++: void Sobel ( InputArray src,//輸入圖OutputArray dst,//輸出圖int ddepth,//輸出圖像的深度int dx,int dy,int ksize=3,double scale=1,double delta=0,int borderType=BORDER_DEFAULT );
- 第一個參數(shù)，InputArray 類型的src，為輸入圖像，填Mat類型即可。
- 第二個參數(shù)，OutputArray類型的dst，即目標圖像，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
- 第四個參數(shù)，int類型dx，x 方向上的差分階數(shù)。
- 第五個參數(shù)，int類型dy，y方向上的差分階數(shù)。
- 第六個參數(shù)，int類型ksize，有默認值3，表示Sobel核的大小;必須取1，3，5或7。
- 第七個參數(shù)，double類型的scale，計算導數(shù)值時可選的縮放因子，默認值是1，表示默認情況下是沒有應用縮放的。我們可以在文檔中查閱getDerivKernels的相關(guān)介紹，來得到這個參數(shù)的更多信息。
- 第八個參數(shù)，double類型的delta，表示在結(jié)果存入目標圖（第二個參數(shù)dst）之前可選的delta值，有默認值0。
- 第九個參數(shù)， int類型的borderType，我們的老朋友了（萬年是最后一個參數(shù)），邊界模式，默認值為BORDER_DEFAULT。這個參數(shù)可以在官方文檔中borderInterpolate處得到更詳細的信息。
一般情況下，都是用ksize x ksize內(nèi)核來計算導數(shù)的。然而，有一種特殊情況——當ksize為1時，往往會使用3 x 1或者1 x 3的內(nèi)核。且這種情況下，并沒有進行高斯平滑操作。
?
一些補充說明：
1.當內(nèi)核大小為 3 時, 我們的Sobel內(nèi)核可能產(chǎn)生比較明顯的誤差(畢竟，Sobel算子只是求取了導數(shù)的近似值而已)。 為解決這一問題，OpenCV提供了Scharr 函數(shù)，但該函數(shù)僅作用于大小為3的內(nèi)核。該函數(shù)的運算與Sobel函數(shù)一樣快，但結(jié)果卻更加精確，其內(nèi)核是這樣的:
?
?
2.因為Sobel算子結(jié)合了高斯平滑和分化（differentiation），因此結(jié)果會具有更多的抗噪性。大多數(shù)情況下，我們使用sobel函數(shù)時，取【xorder = 1，yorder = 0，ksize = 3】來計算圖像X方向的導數(shù)，【xorder = 0，yorder = 1，ksize = 3】來計算圖像y方向的導數(shù)。
計算圖像X方向的導數(shù)，取【xorder= 1，yorder = 0，ksize = 3】情況對應的內(nèi)核：
?
?
而計算圖像Y方向的導數(shù)，取【xorder= 0，yorder = 1，ksize = 3】對應的內(nèi)核：
?
3.3 調(diào)用Sobel函數(shù)的實例代碼
調(diào)用Sobel函數(shù)的實例代碼如下。這里只是教大家如何使用Sobel函數(shù)，就沒有先用一句cvtColor將原圖;轉(zhuǎn)化為灰度圖，而是直接用彩色圖操作。
?
//-----------------------------------【頭文件包含部分】--------------------------------------- // 描述：包含程序所依賴的頭文件 //---------------------------------------------------------------------------------------------- #include <opencv2/opencv.hpp> #include<opencv2/highgui/highgui.hpp> #include<opencv2/imgproc/imgproc.hpp>//-----------------------------------【命名空間聲明部分】--------------------------------------- // 描述：包含程序所使用的命名空間 //----------------------------------------------------------------------------------------------- using namespace cv; //-----------------------------------【main( )函數(shù)】-------------------------------------------- // 描述：控制臺應用程序的入口函數(shù)，我們的程序從這里開始 //----------------------------------------------------------------------------------------------- int main( ) {//【0】創(chuàng)建 grad_x 和 grad_y 矩陣Mat grad_x, grad_y;Mat abs_grad_x, abs_grad_y,dst;//【1】載入原始圖 Mat src = imread("1.jpg"); //工程目錄下應該有一張名為1.jpg的素材圖//【2】顯示原始圖 imshow("【原始圖】sobel邊緣檢測", src); //【3】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); //【4】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); //【5】合并梯度(近似)addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );imshow("【效果圖】整體方向Sobel", dst); waitKey(0); return 0; }運行截圖如下：
?
?
四、Laplace算子篇
4.1 Laplace算子相關(guān)理論與概念講解
?
Laplacian 算子是n維歐幾里德空間中的一個二階微分算子，定義為梯度grad（）的散度div（）。因此如果f是二階可微的實函數(shù)，則f的拉普拉斯算子定義為：
(1) f的拉普拉斯算子也是笛卡兒坐標系xi中的所有非混合二階偏導數(shù)求和：
(2) 作為一個二階微分算子，拉普拉斯算子把C函數(shù)映射到C函數(shù)，對于k ≥ 2。表達式(1)（或(2)）定義了一個算子Δ :C(R) → C(R)，或更一般地，定義了一個算子Δ : C(Ω) → C(Ω)，對于任何開集Ω。
?
根據(jù)圖像處理的原理我們知道，二階導數(shù)可以用來進行檢測邊緣 。 因為圖像是 “二維”, 我們需要在兩個方向進行求導。使用Laplacian算子將會使求導過程變得簡單。
?
Laplacian 算子的定義:
?
?
需要點破的是，由于 Laplacian使用了圖像梯度，它內(nèi)部的代碼其實是調(diào)用了 Sobel 算子的。
另附一個小tips：讓一幅圖像減去它的Laplacian可以增強對比度。
?
關(guān)于Laplace算子的相關(guān)概念闡述，可以參看這篇博文：
http://www.cnblogs.com/xfzhang/archive/2011/01/19/1939020.html
Laplace算子的wikipedia：
http://zh.wikipedia.org/wiki/%E6%8B%89%E6%99%AE%E6%8B%89%E6%96%AF%E7%AE%97%E5%AD%90
?
4.2 OpenCV中Laplacian函數(shù)詳解
Laplacian函數(shù)可以計算出圖像經(jīng)過拉普拉斯變換后的結(jié)果。
?
C++: void Laplacian(InputArray src,OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, intborderType=BORDER_DEFAULT );- 第一個參數(shù)，InputArray類型的image，輸入圖像，即源圖像，填Mat類的對象即可，且需為單通道8位圖像。
- 第二個參數(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通道數(shù)。
- 第三個參數(shù)，int類型的ddept，目標圖像的深度。
- 第四個參數(shù)，int類型的ksize，用于計算二階導數(shù)的濾波器的孔徑尺寸，大小必須為正奇數(shù)，且有默認值1。
- 第五個參數(shù)，double類型的scale，計算拉普拉斯值的時候可選的比例因子，有默認值1。
- 第六個參數(shù)，double類型的delta，表示在結(jié)果存入目標圖（第二個參數(shù)dst）之前可選的delta值，有默認值0。
- 第七個參數(shù)， int類型的borderType，邊界模式，默認值為BORDER_DEFAULT。這個參數(shù)可以在官方文檔中borderInterpolate()處得到更詳細的信息。
Laplacian( )函數(shù)其實主要是利用sobel算子的運算。它通過加上sobel算子運算出的圖像x方向和y方向上的導數(shù)，來得到我們載入圖像的拉普拉斯變換結(jié)果。
其中，sobel算子（ksize>1）如下：
?
而當ksize=1時，Laplacian()函數(shù)采用以下3x3的孔徑：
?
?
?
?
4.3 調(diào)用Laplacian函數(shù)的實例代碼
?
?
讓我們看一看調(diào)用實例：
?
//-----------------------------------【頭文件包含部分】--------------------------------------- // 描述：包含程序所依賴的頭文件 //---------------------------------------------------------------------------------------------- #include <opencv2/opencv.hpp> #include<opencv2/highgui/highgui.hpp> #include<opencv2/imgproc/imgproc.hpp>//-----------------------------------【命名空間聲明部分】--------------------------------------- // 描述：包含程序所使用的命名空間 //----------------------------------------------------------------------------------------------- using namespace cv;//-----------------------------------【main( )函數(shù)】-------------------------------------------- // 描述：控制臺應用程序的入口函數(shù)，我們的程序從這里開始 //----------------------------------------------------------------------------------------------- int main( ) {//【0】變量的定義Mat src,src_gray,dst, abs_dst;//【1】載入原始圖 src = imread("1.jpg"); //工程目錄下應該有一張名為1.jpg的素材圖//【2】顯示原始圖 imshow("【原始圖】圖像Laplace變換", src); //【3】使用高斯濾波消除噪聲GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );//【4】轉(zhuǎn)換為灰度圖cvtColor( src, src_gray, CV_RGB2GRAY );//【5】使用Laplace函數(shù)Laplacian( src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT );//【6】計算絕對值，并將結(jié)果轉(zhuǎn)換成8位convertScaleAbs( dst, abs_dst );//【7】顯示效果圖imshow( "【效果圖】圖像Laplace變換", abs_dst );waitKey(0); return 0; }示例效果圖：
?
?
?
?
?
五、scharr濾波器篇
scharr一般我就直接稱它為濾波器，而不是算子。上文我們已經(jīng)講到，它在OpenCV中主要是配合Sobel算子的運算而存在的,一個萬年備胎。讓我們直接來看看函數(shù)講解吧。
?
5.1 OpenCV中Scharr函數(shù)詳解
?
使用Scharr濾波器運算符計算x或y方向的圖像差分。其實它的參數(shù)變量和Sobel基本上是一樣的，除了沒有ksize核的大小。
?
C++: void Scharr( InputArray src, //源圖OutputArray dst, //目標圖int ddepth,//圖像深度int dx,// x方向上的差分階數(shù)int dy,//y方向上的差分階數(shù)double scale=1,//縮放因子double delta=0,// delta值intborderType=BORDER_DEFAULT )// 邊界模式- 第一個參數(shù)，InputArray 類型的src，為輸入圖像，填Mat類型即可。
- 第二個參數(shù)，OutputArray類型的dst，即目標圖像，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
- 第四個參數(shù)，int類型dx，x方向上的差分階數(shù)。
- 第五個參數(shù)，int類型dy，y方向上的差分階數(shù)。
- 第六個參數(shù)，double類型的scale，計算導數(shù)值時可選的縮放因子，默認值是1，表示默認情況下是沒有應用縮放的。我們可以在文檔中查閱getDerivKernels的相關(guān)介紹，來得到這個參數(shù)的更多信息。
- 第七個參數(shù)，double類型的delta，表示在結(jié)果存入目標圖（第二個參數(shù)dst）之前可選的delta值，有默認值0。
- 第八個參數(shù)， int類型的borderType，我們的老朋友了（萬年是最后一個參數(shù)），邊界模式，默認值為BORDER_DEFAULT。這個參數(shù)可以在官方文檔中borderInterpolate處得到更詳細的信息。
?
不難理解，如下兩者是等價的：
Scharr(src, dst, ddepth, dx, dy, scale,delta, borderType);與
Sobel(src, dst, ddepth, dx, dy, CV_SCHARR,scale, delta, borderType);?
5.2 調(diào)用Scharr函數(shù)的實例代碼
?
運行效果圖：
?
?
?
六、綜合示例篇——在實戰(zhàn)中熟稔
?
?
依然是每篇文章都會配給大家的一個詳細注釋的博文配套示例程序，把這篇文章中介紹的知識點以代碼為載體，展現(xiàn)給大家。
這個示例程序中，分別演示了canny邊緣檢測，sobel邊緣檢測，scharr濾波器的使用，那么，上詳細注釋的代碼吧：
?
//-----------------------------------【程序說明】---------------------------------------------- // 程序名稱:：《【OpenCV入門教程之十二】OpenCV邊緣檢測：Canny算子,Sobel算子,Laplace算子,Scharr濾波器合輯合輯》 博文配套源碼 // 開發(fā)所用IDE版本：Visual Studio 2010 // 開發(fā)所用OpenCV版本： 2.4.9 // 2014年5月11日 Create by 淺墨 // 淺墨的微博：@淺墨_毛星云 http://weibo.com/1723155442/profile?topnav=1&wvr=5&user=1 // 淺墨的知乎：http://www.zhihu.com/people/mao-xing-yun // 淺墨的豆瓣：http://www.douban.com/people/53426472/ //----------------------------------------------------------------------------------------------//-----------------------------------【頭文件包含部分】--------------------------------------- // 描述：包含程序所依賴的頭文件 //---------------------------------------------------------------------------------------------- #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp>//-----------------------------------【命名空間聲明部分】-------------------------------------- // 描述：包含程序所使用的命名空間 //----------------------------------------------------------------------------------------------- using namespace cv;//-----------------------------------【全局變量聲明部分】-------------------------------------- // 描述：全局變量聲明 //----------------------------------------------------------------------------------------------- //原圖，原圖的灰度版，目標圖 Mat g_srcImage, g_srcGrayImage,g_dstImage;//Canny邊緣檢測相關(guān)變量 Mat g_cannyDetectedEdges; int g_cannyLowThreshold=1;//TrackBar位置參數(shù) //Sobel邊緣檢測相關(guān)變量 Mat g_sobelGradient_X, g_sobelGradient_Y; Mat g_sobelAbsGradient_X, g_sobelAbsGradient_Y; int g_sobelKernelSize=1;//TrackBar位置參數(shù) //Scharr濾波器相關(guān)變量 Mat g_scharrGradient_X, g_scharrGradient_Y; Mat g_scharrAbsGradient_X, g_scharrAbsGradient_Y;//-----------------------------------【全局函數(shù)聲明部分】-------------------------------------- // 描述：全局函數(shù)聲明 //----------------------------------------------------------------------------------------------- static void ShowHelpText( ); static void on_Canny(int, void*);//Canny邊緣檢測窗口滾動條的回調(diào)函數(shù) static void on_Sobel(int, void*);//Sobel邊緣檢測窗口滾動條的回調(diào)函數(shù) void Scharr( );//封裝了Scharr邊緣檢測相關(guān)代碼的函數(shù)//-----------------------------------【main( )函數(shù)】-------------------------------------------- // 描述：控制臺應用程序的入口函數(shù)，我們的程序從這里開始 //----------------------------------------------------------------------------------------------- int main( int argc, char** argv ) {//改變console字體顏色system("color 2F"); //顯示歡迎語ShowHelpText();//載入原圖g_srcImage = imread("1.jpg");if( !g_srcImage.data ) { printf("Oh，no，讀取srcImage錯誤~！ \n"); return false; }//顯示原始圖namedWindow("【原始圖】");imshow("【原始圖】", g_srcImage);// 創(chuàng)建與src同類型和大小的矩陣(dst)g_dstImage.create( g_srcImage.size(), g_srcImage.type() );// 將原圖像轉(zhuǎn)換為灰度圖像cvtColor( g_srcImage, g_srcGrayImage, CV_BGR2GRAY );// 創(chuàng)建顯示窗口namedWindow( "【效果圖】Canny邊緣檢測", CV_WINDOW_AUTOSIZE );namedWindow( "【效果圖】Sobel邊緣檢測", CV_WINDOW_AUTOSIZE );// 創(chuàng)建trackbarcreateTrackbar( "參數(shù)值：", "【效果圖】Canny邊緣檢測", &g_cannyLowThreshold, 120, on_Canny );createTrackbar( "參數(shù)值：", "【效果圖】Sobel邊緣檢測", &g_sobelKernelSize, 3, on_Sobel );// 調(diào)用回調(diào)函數(shù)on_Canny(0, 0);on_Sobel(0, 0);//調(diào)用封裝了Scharr邊緣檢測代碼的函數(shù)Scharr( );//輪詢獲取按鍵信息，若按下Q，程序退出while((char(waitKey(1)) != 'q')) {}return 0; }//-----------------------------------【ShowHelpText( )函數(shù)】---------------------------------- // 描述：輸出一些幫助信息 //---------------------------------------------------------------------------------------------- static void ShowHelpText() {//輸出一些幫助信息printf( "\n\n\t嗯。運行成功，請調(diào)整滾動條觀察圖像效果~\n\n""\t按下“q”鍵時，程序退出~!\n""\n\n\t\t\t\t by淺墨" ); }//-----------------------------------【on_Canny( )函數(shù)】---------------------------------- // 描述：Canny邊緣檢測窗口滾動條的回調(diào)函數(shù) //----------------------------------------------------------------------------------------------- void on_Canny(int, void*) {// 先使用 3x3內(nèi)核來降噪blur( g_srcGrayImage, g_cannyDetectedEdges, Size(3,3) );// 運行我們的Canny算子Canny( g_cannyDetectedEdges, g_cannyDetectedEdges, g_cannyLowThreshold, g_cannyLowThreshold*3, 3 );//先將g_dstImage內(nèi)的所有元素設(shè)置為0 g_dstImage = Scalar::all(0);//使用Canny算子輸出的邊緣圖g_cannyDetectedEdges作為掩碼，來將原圖g_srcImage拷到目標圖g_dstImage中g(shù)_srcImage.copyTo( g_dstImage, g_cannyDetectedEdges);//顯示效果圖imshow( "【效果圖】Canny邊緣檢測", g_dstImage ); }//-----------------------------------【on_Sobel( )函數(shù)】---------------------------------- // 描述：Sobel邊緣檢測窗口滾動條的回調(diào)函數(shù) //----------------------------------------------------------------------------------------- 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 );//計算絕對值，并將結(jié)果轉(zhuǎn)換成8位// 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 );//計算絕對值，并將結(jié)果轉(zhuǎn)換成8位// 合并梯度addWeighted( g_sobelAbsGradient_X, 0.5, g_sobelAbsGradient_Y, 0.5, 0, g_dstImage );//顯示效果圖imshow("【效果圖】Sobel邊緣檢測", g_dstImage); }//-----------------------------------【Scharr( )函數(shù)】---------------------------------- // 描述：封裝了Scharr邊緣檢測相關(guān)代碼的函數(shù) //----------------------------------------------------------------------------------------- void Scharr( ) {// 求 X方向梯度Scharr( g_srcImage, g_scharrGradient_X, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT );convertScaleAbs( g_scharrGradient_X, g_scharrAbsGradient_X );//計算絕對值，并將結(jié)果轉(zhuǎn)換成8位// 求Y方向梯度Scharr( g_srcImage, g_scharrGradient_Y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT );convertScaleAbs( g_scharrGradient_Y, g_scharrAbsGradient_Y );//計算絕對值，并將結(jié)果轉(zhuǎn)換成8位// 合并梯度addWeighted( g_scharrAbsGradient_X, 0.5, g_scharrAbsGradient_Y, 0.5, 0, g_dstImage );//顯示效果圖imshow("【效果圖】Scharr濾波器", g_dstImage); }放出一些運行效果圖：
?
canny邊緣檢測效果圖：
?
Sobel邊緣檢測：
Scharr濾波器：
好的，就放出這些效果圖吧，具體更多的運行效果大家就自己下載示例程序回去玩~
?
本篇文章的配套源代碼請點擊這里下載：
?
【淺墨OpenCV入門教程之十二】配套源代碼下載
?
?
OK，今天的內(nèi)容大概就是這些，我們下篇文章見：）
?
?
?
總結(jié)
以上是生活随笔為你收集整理的【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 7大原因告诉你，为什么IT行业发展前景好
- 下一篇： 算法小结 之 蛮力法