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

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

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）

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

Demo

Canny算子邊緣檢測

高階的Canny用法

概述

高斯濾波函數原型

自適應流行濾波器函數原型

濾波函數

Canny檢測函數原型

Demo源碼

工程模板：對應版本號v1.33.0

通過HPA+CronHPA組合應對業務複雜彈性伸縮場景

OpenCV開發筆記（六十六）：紅胖子8分鐘帶你總結形態學操作-膨脹、腐蝕、開運算、閉運算、梯度、頂帽、黑帽（圖文並茂+淺顯易懂+程序源碼）

關於在word中插入的表格跨頁後每一頁都顯示標題欄的解決方法

Qt開發技術：QWebSocket客戶端、服務端介紹與開發

Qt開發技術：QDBus介紹、編譯與Demo

qml開發筆記(一)：界面元素初探

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結