OpenCV Canny边缘检测实践指南

在图像处理领域，边缘检测是非常重要的基本操作之一。OpenCV 提供了丰富的工具来实现这一功能，其中 Canny 边缘检测算法尤其著名。以下将从图像读取、预处理到边缘检测的具体实现，带你一步步了解如何使用 OpenCV 进行边缘检测。

1. 图像读取与预处理

首先，我们需要读取输入图像。OpenCV 提供了 imread 函数来读取图像文件。以下代码示例展示了如何读取常见的彩色图像：

Mat lenna = imread("lenna.jpg");

读取完成后，我们需要创建一个与原图大小和类型相同的目标图像矩阵 dst：

Mat dst;dst.create(lenna.size(), lenna.type());

接下来，我们使用 imshow 函数显示原图：

imshow("【原图】Canny边缘检测", lenna);

在进行边缘检测之前，通常需要将彩色图像转换为灰度图像。OpenCV 提供了 cvtColor 函数来实现这一转换。以下是转换代码：

Mat In_grayimg;cvtColor(lenna, In_grayimg, COLOR_BGR2GRAY);

转换完成后，我们可以使用 imshow 函数显示灰度图像：

imshow("【灰度图】Canny边缘检测", In_grayimg);

为了减少灰度图中噪声的影响，我们可以对图像进行均值滤波。OpenCV 提供了 blur 函数来实现这一操作。以下是均值滤波代码：

Mat Out_grayimg;blur(In_grayimg, Out_grayimg, Size(3, 3));

滤波完成后，我们可以再次使用 imshow 函数显示处理后的灰度图像：

imshow("【灰度图】Canny边缘检测", Out_grayimg);

接下来是核心部分——Canny 边缘检测。OpenCV 提供了 Canny 函数来实现这一功能。以下是边缘检测代码：

Mat edge;Canny(Out_grayimg, edge, 15, 100, 3);

这里，edge 是边缘检测后的结果图像。Canny 函数的参数包括源图像、边缘图像、边界阈值、内阈值和边缘检测核的大小。具体数值需要根据实际需求进行调整。

为了展示边缘检测结果，我们需要将边缘图像与原图合成在一起。OpenCV 提供了多种图像合成方法，这里我们使用图像复制操作：

// 将 dst 内的所有元素都置为 0dst = Scalar::all(0);// 使用 Canny 边缘图作为掩码，将原图拷贝到目标图中lenna.copyTo(dst, edge);// 显示效果图imshow("【效果图】模糊操作Canny边缘检测", dst);

最后，我们可以将结果保存为图片文件：

imwrite("【效果图】模糊操作Canny边缘检测.jpg", dst);

通过上述步骤，我们已经成功实现了 Canny 边缘检测并对图像进行了处理。边缘检测的结果可以通过 imshow 查看实时效果。

waitKey(0);return 0;

这段代码会阻止程序自动结束并等待键盘输入。按下任意键结束程序。

以上就是从图像读取、预处理到边缘检测的完整流程。如果你有任何问题或需要进一步的帮助，请随时联系我！

转载地址：http://fwgfk.baihongyu.com/

你可能感兴趣的文章