若该文为原创文章,未经允许不得转载
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/105284544
各位读者,知识无穷而人力有穷,要么改需求,要么找专业人士,要么自己研究
目录
OpenCV开发专栏
OpenCV开发笔记(三十八):红胖子8分钟带你深入了解高阶的Canny算子边缘检测(图文并茂+浅显易懂+程序源码)
前言
红胖子来也!!!
本篇章开始讲解高阶Canny检测,其实高阶的 Canny检测实际上是额外对Canny检测进行了一些处理
Demo
Demo图像结果位置示意图:
Canny算子边缘检测
请参照《OpenCV开发笔记(三十七):红胖子8分钟带你深入了解边缘检测和Canny算子边缘检测(图文并茂+浅显易懂+程序源码)》(点击传送门)。
高阶的Canny用法
概述
高阶的Canny用法其实是人工先对其进行一定降噪的处理,比如先使用一次滤波对其进行降噪,此处我们使用一次高斯滤波,使用一次contrib中的ximgproc处理模块中的流行滤波器对图像先进行降噪处理,再进行滤波。
原图-->灰度化-->高斯滤波(点击传送门)-->canny边缘检测
原图-->灰度化-->自适应流行滤波器(点击传送门)-->canny边缘检测
高阶的使用,其实就是之前提到的,因算法开发者的不同,思维方式不同一个典型的案例。
高斯滤波函数原型
void GaussianBlur( InputArray src,
OutputArray dst,
Size ksize,
double sigmaX,
double sigmaY = 0,
int borderType = BORDER_DEFAULT );
- 参数一:InputArray类型,一般是cv::Mat,且可以处理任何通道数的图片。但需要注意,待处理的图片深度应该为CV_8U、CV_16U、CV_16S、CV_32F、CV_64F中的一个;
- 参数二;OutputArray类型,输出的目标图像,需要和原图片有一样的尺寸和类型;
- 参数三:Size类型的ksize,核算子的大小。一般用Size(w,h)来表示核算子的大小,Size(3,3)就表示3x3的核算子大小,w和h可以大小不同;
- 参数四:double类型sigmaX,表示高斯核函数在X方向的标准偏差;
- 参数五:double类型sigmaY,表示高斯核函数在Y方向的标准偏差;
自适应流行滤波器函数原型
Ptr<AdaptiveManifoldFilter> createAMFilter(double sigma_s, double sigma_r, bool adjust_outliers = false);
- 参数一:空间标准差,范围必须大于0;
- 参数二:颜色空间标准差,它类似于sigma在颜色空间中双边过滤器,范围必须大于0小于1;
- 参数三:调整异常值可选,指定是否使用随机数生成器计算特征向量(目测依据测试结果,并未看出实际区别);
滤波函数
void filter(InputArray src,
OutputArray dst,
InputArray joint = noArray());
- 参数一:输入cv::Mat;
- 参数二:输出cv::Mat,与输入的尺寸通道相同;
- 参数三:输入联结图;
创建和使用示例:
// 使用自适应流形应用高维滤波。
cv::Ptr<cv::ximgproc::AdaptiveManifoldFilter> pAdaptiveManifoldFilter
= cv::ximgproc::createAMFilter(16.0, 0.1, true);
pAdaptiveManifoldFilter->filter(srcMat, dstMat, srcMat2);
Canny检测函数原型
void Canny( InputArray image,
OutputArray edges,
double threshold1,
double threshold2,
int apertureSize = 3,
bool L2gradient = false );
- 参数一:InputArray类型的image,一般是cv::Mat,类型为必须为单通道;
- 参数二:OutputArray类型的edges;边缘输出边缘图;单通道8位图像,与输入的图像大小相同;
- 参数三:double类型的threshold1,滞后过程的第一阈值;
- 参数四:double类型的threshold2,滞后过程的第二阈值;
- 参数五:int类型的额apertureSize,Sobel运算符的孔径大小,默认为3;
- 参数六:bool类型的L2gradient,计算梯度幅值的操作,默认为false;
Demo源码
void OpenCVManager::testHighCanny()
{
QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/1.jpg";
cv::Mat srcMat = cv::imread(fileName1.toStdString());
if(!srcMat.data)
{
qDebug() << __FILE__ << __LINE__
<< "Failed to load image:" << fileName1;
return;
}
int width = 300;
int height = 200;
cv::resize(srcMat, srcMat, cv::Size(width, height));
cv::String windowName = _windowTitle.toStdString();
cvui::init(windowName);
cv::Mat dstMat;
dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 3, dstMat.rows * 3),
srcMat.type());
int ksize = 1; // 核心大小
int sigmaX = 0; // x方向的标准偏差
int sigmaY = 0; // y方向的标准偏差
int threshold1 = 200;
int threshold2 = 100;
int sigmaS = 160;
int sigmaR = 2;
cvui::window(windowMat, dstMat.cols, 0, dstMat.cols, dstMat.rows, "settings");
cv::Mat grayMat;
cv::Mat grayMat3Channels;
cv::Mat mat;
cv::cvtColor(srcMat, grayMat, CV_BGR2GRAY);
cv::cvtColor(grayMat, grayMat3Channels, CV_GRAY2BGR);
while(true)
{
windowMat = cv::Scalar(0, 0, 0);
// 原图先copy到左边
cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);
// 中间为调整滤波参数的相关设置
cvui::printf(windowMat, 375, 20, "ksize = size * 2 + 1");
cvui::trackbar(windowMat, 375, 30, 165, &ksize, 0, 10);
cvui::printf(windowMat, 375, 80, "sigmaX");
cvui::trackbar(windowMat, 375, 90, 165, &sigmaX, 0, 100);
cvui::printf(windowMat, 375, 140, "sigmaY");
cvui::trackbar(windowMat, 375, 150, 165, &sigmaY, 0, 100);
// 复制灰度图像
{
cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::addWeighted(rightMat, 0.0f, grayMat3Channels, 1.0f, 0.0f, rightMat);
}
{
// 高斯滤波
cv::Mat mat;
cv::GaussianBlur(grayMat3Channels, mat, cv::Size(ksize * 2 + 1, ksize * 2 + 1), sigmaX / 10.f, sigmaY / 10.f);
// 效果图copy到右边
// 注意:rang从位置1到位置2,不是位置1+宽度
cv::Mat rightMat = windowMat(cv::Range(0, srcMat.rows),
cv::Range(srcMat.cols * 2, srcMat.cols * 3));
cv::addWeighted(rightMat, 0.0f, mat, 1.0f, 0.0f, rightMat);
// 高斯滤波后进行边缘检测
// 使用边缘检测
cv::Canny(mat, dstMat, threshold1, threshold2, 3);
cv::Mat rightMat2 = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 2, srcMat.cols * 3));
cv::cvtColor(dstMat, dstMat, CV_GRAY2BGR);
cv::addWeighted(rightMat2, 0.0f, dstMat, 1.0f, 0.0f, rightMat2);
}
{
cvui::printf(windowMat,
srcMat.cols * 1 + 75,
srcMat.rows * 1 + 20,
"threshold1");
cvui::trackbar(windowMat,
srcMat.cols * 1 + 75,
srcMat.rows * 1 + 50,
165,
&threshold1,
0,
255);
cvui::printf(windowMat,
srcMat.cols * 1 + 75,
srcMat.rows * 1 + 100, "threshold2");
cvui::trackbar(windowMat,
srcMat.cols * 1 + 75,
srcMat.rows * 1 + 130,
165,
&threshold2,
0,
255);
// 使用边缘检测
cv::Canny(srcMat, dstMat, threshold1, threshold2, 3);
// copy
cv::Mat temp;
mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::cvtColor(dstMat, temp, CV_GRAY2BGR);
cv::addWeighted(mat, 0.0f, temp, 1.0f, 0.0f, mat);
}
{
cvui::printf(windowMat, 75 + width * 1, height * 2 + 20, "sigmaS");
cvui::trackbar(windowMat, 75 + width * 1, height * 2 + 50, 165, &sigmaS, 101, 10000);
cvui::printf(windowMat, 75 + width * 1, height * 2 + 90, "sigmaR");
cvui::trackbar(windowMat, 75 + width * 1, height * 2 + 120, 165, &sigmaR, 1, 100);
// 使用自适应流形应用高维滤波。
cv::Mat tempMat;
cv::Ptr<cv::ximgproc::AdaptiveManifoldFilter> pAdaptiveManifoldFilter
= cv::ximgproc::createAMFilter(sigmaS/100.0f, sigmaR/100.0f, true);
pAdaptiveManifoldFilter->filter(grayMat, tempMat);
// 使用边缘检测
cv::Canny(tempMat, tempMat, threshold1, threshold2, 3);
// copy
mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 2, srcMat.cols * 3));
cv::cvtColor(tempMat, dstMat, CV_GRAY2BGR);
cv::addWeighted(mat, 0.0f, dstMat, 1.0f, 0.0f, mat);
}
// 更新
cvui::update();
// 显示
cv::imshow(windowName, windowMat);
// esc键退出
if(cv::waitKey(25) == 27)
{
break;
}
}
}
工程模板:对应版本号v1.33.0
对应版本号v1.33.0
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/105284544