若該文爲原創文章,未經允許不得轉載
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客導航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/105284544
各位讀者,知識無窮而人力有窮,要麼改需求,要麼找專業人士,要麼自己研究
目錄
OpenCV開發專欄
OpenCV開發筆記(三十八):紅胖子8分鐘帶你深入瞭解高階的Canny算子邊緣檢測(圖文並茂+淺顯易懂+程序源碼)
前言
紅胖子來也!!!
本篇章開始講解高階Canny檢測,其實高階的 Canny檢測實際上是額外對Canny檢測進行了一些處理
Demo
Demo圖像結果位置示意圖:
Canny算子邊緣檢測
請參照《OpenCV開發筆記(三十七):紅胖子8分鐘帶你深入瞭解邊緣檢測和Canny算子邊緣檢測(圖文並茂+淺顯易懂+程序源碼)》(點擊傳送門)。
高階的Canny用法
概述
高階的Canny用法其實是人工先對其進行一定降噪的處理,比如先使用一次濾波對其進行降噪,此處我們使用一次高斯濾波,使用一次contrib中的ximgproc處理模塊中的流行濾波器對圖像先進行降噪處理,再進行濾波。
原圖-->灰度化-->高斯濾波(點擊傳送門)-->canny邊緣檢測
原圖-->灰度化-->自適應流行濾波器(點擊傳送門)-->canny邊緣檢測
高階的使用,其實就是之前提到的,因算法開發者的不同,思維方式不同一個典型的案例。
高斯濾波函數原型
void GaussianBlur( InputArray src,
OutputArray dst,
Size ksize,
double sigmaX,
double sigmaY = 0,
int borderType = BORDER_DEFAULT );
- 參數一:InputArray類型,一般是cv::Mat,且可以處理任何通道數的圖片。但需要注意,待處理的圖片深度應該爲CV_8U、CV_16U、CV_16S、CV_32F、CV_64F中的一個;
- 參數二;OutputArray類型,輸出的目標圖像,需要和原圖片有一樣的尺寸和類型;
- 參數三:Size類型的ksize,覈算子的大小。一般用Size(w,h)來表示覈算子的大小,Size(3,3)就表示3x3的核算子大小,w和h可以大小不同;
- 參數四:double類型sigmaX,表示高斯核函數在X方向的標準偏差;
- 參數五:double類型sigmaY,表示高斯核函數在Y方向的標準偏差;
自適應流行濾波器函數原型
Ptr<AdaptiveManifoldFilter> createAMFilter(double sigma_s, double sigma_r, bool adjust_outliers = false);
- 參數一:空間標準差,範圍必須大於0;
- 參數二:顏色空間標準差,它類似於sigma在顏色空間中雙邊過濾器,範圍必須大於0小於1;
- 參數三:調整異常值可選,指定是否使用隨機數生成器計算特徵向量(目測依據測試結果,並未看出實際區別);
濾波函數
void filter(InputArray src,
OutputArray dst,
InputArray joint = noArray());
- 參數一:輸入cv::Mat;
- 參數二:輸出cv::Mat,與輸入的尺寸通道相同;
- 參數三:輸入聯結圖;
創建和使用示例:
// 使用自適應流形應用高維濾波。
cv::Ptr<cv::ximgproc::AdaptiveManifoldFilter> pAdaptiveManifoldFilter
= cv::ximgproc::createAMFilter(16.0, 0.1, true);
pAdaptiveManifoldFilter->filter(srcMat, dstMat, srcMat2);
Canny檢測函數原型
void Canny( InputArray image,
OutputArray edges,
double threshold1,
double threshold2,
int apertureSize = 3,
bool L2gradient = false );
- 參數一:InputArray類型的image,一般是cv::Mat,類型爲必須爲單通道;
- 參數二:OutputArray類型的edges;邊緣輸出邊緣圖;單通道8位圖像,與輸入的圖像大小相同;
- 參數三:double類型的threshold1,滯後過程的第一閾值;
- 參數四:double類型的threshold2,滯後過程的第二閾值;
- 參數五:int類型的額apertureSize,Sobel運算符的孔徑大小,默認爲3;
- 參數六:bool類型的L2gradient,計算梯度幅值的操作,默認爲false;
Demo源碼
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方向的標準偏差
int sigmaY = 0; // y方向的標準偏差
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);
// 原圖先copy到左邊
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);
// 中間爲調整濾波參數的相關設置
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);
// 複製灰度圖像
{
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);
}
{
// 高斯濾波
cv::Mat mat;
cv::GaussianBlur(grayMat3Channels, mat, cv::Size(ksize * 2 + 1, ksize * 2 + 1), sigmaX / 10.f, sigmaY / 10.f);
// 效果圖copy到右邊
// 注意:rang從位置1到位置2,不是位置1+寬度
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);
// 高斯濾波後進行邊緣檢測
// 使用邊緣檢測
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);
// 使用邊緣檢測
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);
// 使用自適應流形應用高維濾波。
cv::Mat tempMat;
cv::Ptr<cv::ximgproc::AdaptiveManifoldFilter> pAdaptiveManifoldFilter
= cv::ximgproc::createAMFilter(sigmaS/100.0f, sigmaR/100.0f, true);
pAdaptiveManifoldFilter->filter(grayMat, tempMat);
// 使用邊緣檢測
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();
// 顯示
cv::imshow(windowName, windowMat);
// esc鍵退出
if(cv::waitKey(25) == 27)
{
break;
}
}
}
工程模板:對應版本號v1.33.0
對應版本號v1.33.0
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客導航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/105284544