。

边缘检测是图像处理中的一项基本操作#xff0c;可以用于人脸识别、物体识别、图像分割等多个领域。

边缘检测…1、前言

图像边缘检测是指在图像中寻找灰度、颜色、纹理等变化比较剧烈的区域它们可能代表着物体之间的边界或物体内部的特征。

边缘检测是图像处理中的一项基本操作可以用于人脸识别、物体识别、图像分割等多个领域。

1读取待处理图像

Suooression保留梯度方向上的局部最大值抑制非边缘点消除边缘检测带来的杂散响应

4应用双阈值Double-Threshold检测来确定真实的和潜在的边缘即将梯度幅值映射到两个阈值根据梯度值高于高阈值或在高低阈值之间的情况将像素标记为强边缘、弱边缘或非边缘。

5边缘连接通过连接相邻的强边缘像素和与之相连的弱边缘像素形成最终的边缘图像

可以看到原图在卷积运算后黑色向白色突变的边缘被很好的保留了下来因此可以通过这个卷积核找到图像中垂直的边缘。

卷积运算后

如果我们把上面两个卷积核组合起来再对图像进行卷积便可以同时找到图像中水平和垂直的边缘这种卷积核就是prewitt算子。

Prewitt

opencv2/imgproc/imgproc.hppusing

namespace

gradient_direction;magnitude(edges_x,

edges_y,

gradient_magnitude);phase(edges_x,

edges_y,

归一化梯度幅值cv::normalize(gradient_magnitude,

gradient_magnitude,

//prewitt算子边缘检测图waitKey(0);destroyAllWindows();return

代码解读

1在代码中我们先分别定义一个水平方向和垂直方向的prewitt算子edges_x和edges_y

2filter2D是对图像进行卷积操作即获取prewitt算子与原图像卷积后的图像edges_x和edges_y

3magnitude

函数的主要用途是计算两个输入数组的逐元素平方和的平方根。

在图像处理中常常用于计算图像中每个像素点的梯度幅值。

相位Phase在图像处理中通常指的是梯度的方向边缘方向。

在梯度计算中梯度向量的方向表示图像在该点上灰度变化最快的方向。

在梯度计算中通常使用

magnitude

函数计算梯度的方向。

这两个信息一起构成了梯度向量提供了有关图像局部变化的重要信息。

3、Roberts算子

常用来处理具有陡峭的低噪声图像当图像边缘接近于正45度或负45度时该算法处理效果更理想。

其缺点是对边缘的定位不太准确提取的边缘线条较粗。

下图左边为水平方向Roberts算子也称正对角算子。

右边为垂直方向Roberts算子也称斜对角算子。

#include

gradient_direction;cv::magnitude(edges_x,

edges_y,

gradient_magnitude);cv::phase(edges_x,

edges_y,

1]范围cv::normalize(gradient_direction,

gradient_direction,

gradient_magnitude);cv::imshow(Gradient

Direction,

gradient_direction);cv::waitKey(0);cv::destroyAllWindows();return

4、Sobel算子边缘检测

Sobel算子在Prewitt算子的基础上增加了权重的概念认为相邻点的距离远近对当前像素点的影响是不同的距离越近的像素点对应当前像素的影响越大从而实现图像锐化并突出边缘轮廓。

但Sobel算子并不是基于图像灰度进行处理的因为Sobel算子并没有严格地模拟人的视觉生理特性因此图像轮廓的提取有时并不能让人满意。

当对精度要求不是很高时Sobel算子是一种较为常用的边缘检测方法。

接口说明

gradient_magnitude;cv::magnitude(edges_x,

edges_y,

1]范围cv::normalize(gradient_magnitude,

gradient_magnitude,

gradient_magnitude);cv::waitKey(0);cv::destroyAllWindows();return