边缘检测简介

边缘检测是图像处理和计算机视觉中的一个基本问题。边缘检测的目的是识别数字图像中亮度变化明显的点。图像边缘检测大大减少了数据量，去除了不相关的信息，并保留了图像的重要结构属性。

一、边缘检测步骤

1.图像获取
2.图像滤波
3.图像增强
4.图像检测
5.图像定位

二、Canny

1.函数

void Canny(InputArray image, OutputArray edges,
		double threshold1, double threshold2,
		int apertureSize = 3, bool L2gradient = false);
	image 8位输入图像
	edges 单通道8位图像
	threshold1  迟滞过程第一个阈值
	threshold2  迟滞过程第二个阈值
	apertureSize 算子的孔径大小
	L2gradient 范数

2.代码

#include<iostream>
#include<opencv.hpp>
using namespace std;
using namespace cv;


int main()
{
	Mat img1;
	img1 = imread("图片1.png", 0);
	imshow("原图", img1);
	Canny(img1, img1,10, 10);
	imshow("Canny", img1);
	waitKey(0);

}

效果如下：

二、Sobel

1.函数

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);
	src 输入
	dst 输出
	ddepth 输出图像的数据类型
	dx x方向的差分阶数
	dy y方向的差分阶数
	Ksize 尺寸 1,3,5,7
	scale 缩放因子
	delta 偏值
	borderType 边界像素模式

2.代码

int main()
{
	Mat img1, img2;
	img1 = imread("图片1.png", 0);
	imshow("原图", img1);
	Sobel(img1, img2, CV_8U, 2,0,1);
	imshow("sobel", img2);
	waitKey(0);

}

效果如下：

三、Scharr

1.函数

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

	src 输入
	dst 输出
	ddepth 输出图像的数据类型
	dx x方向的导数
	dy y方向的导数
	scale 缩放因子
	delta 偏值
	borderType 边界像素模式

2.代码

int main()
{
	Mat img1, img2;

	img1 = imread("图片1.png", 0);

	imshow("原图", img1);

	Scharr(img1, img2, CV_8U, 1, 0);

	imshow("Scharr", img2);

	waitKey(0);

	
}

效果如下：

三、Scharr

1.函数

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

	src 输入
	dst 输出
	ddepth 输出图像的数据类型
	Ksize 滤波器大小 正奇数
	scale 缩放因子
	delta 偏值
	borderType 边界像素模式

2.代码

int main()
{
	Mat img1, img2;

	img1 = imread("图片1.png", 0);

	imshow("原图", img1);

	Laplacian(img1, img2,CV_8U,1);

	imshow("Laplacian", img2);

	waitKey(0);


	
}

效果如下：

总结

本文只简单介绍几种常用的边缘检测算法函数，统称为函数来解决问题。您可以更深入地研究数学边缘检测算法。