本文共 1446 字,大约阅读时间需要 4 分钟。
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。
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/