opencv实现onnx算子 opencv中canny算子参数

转载

mob64ca14005461 2024-05-13 21:05:07

文章标签 opencv实现onnx算子 opencv3.1版本边缘检测 Canny算子 Sobel算子 文章分类 计算机视觉人工智能

边缘检测Canny算子、Sobel算子、Laplace算子、Scharr滤波器

一、 Canny算子

1.1 Canny()函数各参数详解

void Canny(InputArray image,OutputArray edges,double threshold1,doublethreshold2,int apertureSize = 3,boolL2gradient =false)

Ø 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

Ø 第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。

Ø 第三个参数，double类型的threshold1，第一个滞后性阈值。

Ø 第四个参数，double类型的threshold2，第二个滞后性阈值。

Ø 第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。

Ø 第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

需要注意的是，这个函数阈值1和阈值2两者的小者用于边缘连接，而大者用来控制强边缘的初始段，推荐的高低阈值比在2:1到3:1之间。

1.2调用示例

Mat

ScrImage = imread("E:\\1TJQ\\Opencv\\Images\\image1.jpg");

Canny(ScrImgae,OutImage1, 150, 50, 3); //Canny边缘检测算法

imshow("Canny边缘检测算法", OutImage1);

二、 Sobel算子

2.1 Sobel ()函数各参数详解

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)

Ø 第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。

Ø 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

Ø 第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：

若src.depth()= CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F

若src.depth()= CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F

若src.depth()= CV_32F, 取ddepth =-1/CV_32F/CV_64F

若src.depth()= CV_64F, 取ddepth = -1/CV_64F

Ø 第四个参数，int类型dx，x 方向上的差分阶数。

Ø 第五个参数，int类型dy，y方向上的差分阶数。

Ø 第六个参数，int类型ksize，有默认值3，表示Sobel核的大小;必须取1，3，5或7。

Ø 第七个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。

Ø 第八个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

Ø 第九个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。

一般情况下，都是用ksize xksize内核来计算导数的。然而，有一种特殊情况——当ksize为1时，往往会使用3 x 1或者1 x 3的内核。且这种情况下，并没有进行高斯平滑操作。

1.2调用示例

Mat

ScrImage = imread("E:\\1TJQ\\Opencv\\Images\\image1.jpg");

Sobel(ScrImgae, OutImage3, CV_16S, 1, 0,3);//Sobel边缘检测算法X方向

//计算绝对值，并将结果转换成8位

CV_16S, 0, 1, 3);//Sobel边缘检测算法Y方向

convertScaleAbs(OutImage3,OutImage5);

//将Sobel边缘检测算法X方向和Y方向加起来注意：要分别对X方向和Y方向进行操作，效果才好。不能一起操作

"Sobel边缘检测算法X",OutImage4);

"Sobel边缘检测算法Y",OutImage5);

imshow("Sobel边缘检测算法X+Y", OutImage6);

三、 Laplacian算子

2.1 Laplacian ()函数各参数详解

voidLaplacian(InputArray src,OutputArray dst,int ddepth,int ksize = 1,double scale =1,double delta = 0, intborderType =BORDER_DEFAULT)

Ø 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

Ø 第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和通道数。

Ø 第三个参数，int类型的ddept，目标图像的深度。

Ø 第四个参数，int类型的ksize，用于计算二阶导数的滤波器的孔径尺寸，大小必须为正奇数，且有默认值1。

Ø 第五个参数，double类型的scale，计算拉普拉斯值的时候可选的比例因子，有默认值1。

Ø 第六个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

Ø 第七个参数， int类型的borderType，边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate()处得到更详细的信息。

Laplacian( )函数其实主要是利用sobel算子的运算。它通过加上sobel算子运算出的图像x方向和y方向上的导数，来得到我们载入图像的拉普拉斯变换结果。

1.2调用示例

Mat

ScrImage = imread("E:\\1TJQ\\Opencv\\Images\\image1.jpg");

Laplacian(ScrImgae, OutImage7, CV_16S, 3); //Lapacian边缘检测算法，基于Sobel边缘检测算法为基础

//计算绝对值，并将结果转换成8位

imshow("Laplacian边缘检测算法", OutImage7);

四、 Scharr滤波器

2.1 Scharr ()函数各参数详解

void Scharr(InputArray src,OutputArray dst,int ddepth,int dx,int dy, double scale = 1,double delta =0, intborderType =BORDER_DEFAULT)

Ø 第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。

Ø 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

Ø 第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：

若src.depth() = CV_8U, 取ddepth=-1/CV_16S/CV_32F/CV_64F

若src.depth() = CV_16U/CV_16S, 取ddepth=-1/CV_32F/CV_64F

若src.depth() = CV_32F, 取ddepth=-1/CV_32F/CV_64F

若src.depth() = CV_64F, 取ddepth = -1/CV_64F

Ø 第四个参数，int类型dx，x方向上的差分阶数。

Ø 第五个参数，int类型dy，y方向上的差分阶数。

Ø 第六个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。

Ø 第七个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

Ø 第八个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。

如下两者等价：

Scharr(src, dst, ddepth, dx, dy, scale, delta,borderType);

Sobel(src, dst, ddepth, dx, dy, CV_SCHARR, scale,delta, borderType);

1.2调用示例

Mat

ScrImage = imread("E:\\1TJQ\\Opencv\\Images\\image1.jpg");

Scharr(ScrImgae, OutImage1, CV_16S, 1, 0);//Scharr边缘检测算法X方向,跟Sobel功能一样

CV_16S, 0, 1);//Scharr边缘检测算法Y方向,跟Sobel功能一样

//将Sobel边缘检测算法X方向和Y方向加起来

//计算绝对值，并将结果转换成8位

"Scharr边缘检测算法X+Y", OutImage);

三、完整程序示例

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>
 
#include <vector>
#include <cstdio>
 
using namespacestd;
using namespacecv;
 
int
{
Mat
"E:\\1TJQ\\Opencv\\Images\\image1.jpg");//读入图像 \\image1.jpg brownbug.jpg
 
"【原图】", ScrImage);
 
//将源图像复制
//cvtColor(ScrImage, ScrImgaeCopy1, CV_RGB2GRAY);    //将源图像转换为灰度图像
//imshow("【原图灰度图】", ScrImgaeCopy1);
 
//GaussianBlur(ScrImage, ScrImgaeCopy1, Size(3, 3),0, 0);//高斯滤波
//bilateralFilter(ScrImage, ScrImgaeCopy1, -1, 21,21);//双边滤波
/*blur(ScrImage, ScrImgaeCopy1, Size(3, 3));      //均值滤波
 
   Canny(ScrImgaeCopy1,OutImage1, 150, 50, 3);      //Canny边缘检测算法
   Canny(ScrImage,OutImage2, 150, 50, 3);        //Canny边缘检测算法
   OutImage =OutImage1 - OutImage2;*/
 
//Sobel(ScrImage, OutImage3, CV_16S, 1, 1, 3);    //Sobel边缘检测算法
//convertScaleAbs(OutImage3, OutImage7);       //将像素值转换到uchar8类型
CV_16S, 1, 0, 3);//Sobel边缘检测算法X方向
   convertScaleAbs(OutImage3,OutImage4);
CV_16S, 0, 1, 3);//Sobel边缘检测算法Y方向
   convertScaleAbs(OutImage3,OutImage5);
 //将Sobel边缘检测算法X方向和Y方向加起来注意：要分别对X方向和Y方向进行操作，效果才好。不能一起操作
   
CV_16S, 3);     //Lapacian边缘检测算法，基于Sobel边缘检测算法为基础
 //计算绝对值，并将结果转换成8位
   
CV_16S, 1, 0);     //Scharr边缘检测算法X方向,跟Sobel功能一样
CV_16S, 0, 1);     //Scharr边缘检测算法Y方向,跟Sobel功能一样
 //将Sobel边缘检测算法X方向和Y方向加起来
//计算绝对值，并将结果转换成8位
 
/*imshow("Canny边缘检测算法+均值滤波", OutImage1);
   imshow("Canny边缘检测算法-均值滤波", OutImage2);
   imshow("不加均值滤波差异", OutImage);*/
"Sobel边缘检测算法X",OutImage4);
"Sobel边缘检测算法Y",OutImage5);
"Sobel边缘检测算法X+Y",OutImage6);
   
"Laplacian边缘检测算法", OutImage7);
   
"Scharr边缘检测算法X+Y", OutImage);
 
   waitKey(0);
return NULL;
}

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。