OpenCV 边缘检测常见算法

OpenCV 边缘检测常见算法：

【1】 Sobel 算法

【2】 Canny 算法

【3】 Laplacian 算法

一、Sobel 算法

原理：Sobel 算法通过计算图像在水平和垂直方向上的梯度来检测边缘。它使用两个 3x3 的卷积核分别在 x 和 y 方向上进行卷积运算，然后将结果合成一个梯度幅值图。

例子：想象你有一张黑白照片，你想要找出照片中物体的轮廓。Sobel 算法就像是用一把小尺子在照片上水平和垂直地测量亮度变化，如果某个地方的亮度变化很大，么这个地方很可能就是

边缘。

C 语言实现：

#include <opencv2/opencv.hpp>

#include <iostream>

int main() {

cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);

if (src.empty()) {

std::cout << "Could not open or find the image" << std::endl;

return -1;

}

cv::Mat grad_x, grad_y;

cv::Mat abs_grad_x, abs_grad_y;

cv::Mat grad;

// 水平方向 Sobel 梯度

cv::Sobel(src, grad_x, CV_16S, 1, 0, 3, 1, 0, cv::BORDER_DEFAULT);

convertScaleAbs(grad_x, abs_grad_x);

// 垂直方向 Sobel 梯度

cv::Sobel(src, grad_y, CV_16S, 0, 1, 3, 1, 0, cv::BORDER_DEFAULT);

convertScaleAbs(grad_y, abs_grad_y);

// 合成梯度

cv::addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad);

// 显示结果

cv::imshow("Source Image", src);

cv::imshow("Sobel Edge Detection", grad);

cv::waitKey(0);

return 0;

}

Python 实现：

import cv2

import numpy as np

# 读取图像

src = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

if src is None:

print("Could not open or find the image")

exit()

# 水平方向 Sobel 梯度

grad_x = cv2.Sobel(src, cv2.CV_16S, 1, 0, ksize=3, scale=1, delta=0, borderType=cv2.BORDER_DEFAULT)

abs_grad_x = cv2.convertScaleAbs(grad_x)

# 垂直方向 Sobel 梯度

grad_y = cv2.Sobel(src, cv2.CV_16S, 0, 1, ksize=3, scale=1, delta=0, borderType=cv2.BORDER_DEFAULT)

abs_grad_y = cv2.convertScaleAbs(grad_y)

# 合成梯度

grad = cv2.addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0)

# 显示结果

cv2.imshow('Source Image', src)

cv2.imshow('Sobel Edge Detection', grad)

cv2.waitKey(0)

cv2.destroyAllWindows()

二、 Canny 算法

原理：Canny 算法是一种多阶段的边缘检测算法，主要包括以下步骤：

【1】 高斯滤波：减少噪声。

【2】 计算梯度幅值和方向。

【3】 非极大值抑制：去除假边缘。

【4】 双阈值检测和边缘连接：确定真实边缘。

例子：想象你在一张纸上画了一条线，但这条线有些模糊。Canny 算法就像是用一支细笔沿着这条线重新描一遍，使线条更加清晰和连续。

C 语言实现：

#include <opencv2/opencv.hpp>

#include <iostream>

int main() {

cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);

if (src.empty()) {

std::cout << "Could not open or find the image" << std::endl;

return -1;

}

cv::Mat edges;

int lowThreshold = 50;

int highThreshold = 150;

// Canny 边缘检测

cv::Canny(src, edges, lowThreshold, highThreshold);

// 显示结果

cv::imshow("Source Image", src);

cv::imshow("Canny Edge Detection", edges);

cv::waitKey(0);

return 0;

}

Python 实现：

import cv2

# 读取图像

src = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

if src is None:

print("Could not open or find the image")

exit()

# Canny 边缘检测

edges = cv2.Canny(src, 50, 150)

# 显示结果

cv2.imshow('Source Image', src)

cv2.imshow('Canny Edge Detection', edges)

cv2.waitKey(0)

cv2.destroyAllWindows()

三、Laplacian 算法

原理：Laplacian 算法通过计算图像的二阶导数来检测边缘。它使用一个 3x3 的卷积核对图像进行卷积运算，结果中的正值和负值表示边缘的不同侧。

例子：想象你有一张地形图，Laplacian 算法就像是用一个高度计在地图上测量地形的变化，如果某个地方的高度变化很大，那么这个地方很可能就是山脊或山谷的边缘。

C 语言实现

#include <opencv2/opencv.hpp>

#include <iostream>

int main() {

cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);

if (src.empty()) {

std::cout << "Could not open or find the image" << std::endl;

return -1;

}

cv::Mat dst, abs_dst;

// Laplacian 边缘检测

cv::Laplacian(src, dst, CV_16S, 3, 1, 0, cv::BORDER_DEFAULT);

convertScaleAbs(dst, abs_dst);

// 显示结果

cv::imshow("Source Image", src);

cv::imshow("Laplacian Edge Detection", abs_dst);

cv::waitKey(0);

return 0;

}

Python 实现：

import cv2

# 读取图像

src = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

if src is None:

print("Could not open or find the image")

exit()

# Laplacian 边缘检测

dst = cv2.Laplacian(src, cv2.CV_16S, ksize=3, scale=1, delta=0, borderType=cv2.BORDER_DEFAULT)

abs_dst = cv2.convertScaleAbs(dst)

# 显示结果

cv2.imshow('Source Image', src)

cv2.imshow('Laplacian Edge Detection', abs_dst)

cv2.waitKey(0)

cv2.destroyAllWindows()