C++ opencv图片边缘检测
浅念念52 人气:0边缘检测简介
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。
图像边缘检测大幅度地减少了数据量，并且剔除量不相关的信息，保留了图像重要的结构属性。
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：
四、Laplacian
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
本文只是简单介绍了几种常用的边缘检测算法函数，都是调用函数解决问题，大家可以更加深入的研究数学方式的边缘检测算法，更多关于C++ opencv图片边缘检测的资料请关注其它相关文章！
加载全部内容