边缘检测

OpenCV 最常见的用途之一是检测图像中的形状、边缘、人脸及其他各种组件。在本章中，我们将学习其中一些检测方法。

检测边缘有助于解决许多实际问题，例如识别形状、文档以及图像中的其他组成部分。它还可用于指纹识别、医学影像分析和车辆检测等场景。接下来，我们将介绍两种不同的边缘检测方法：

• Canny 边缘检测
• Sobel 边缘检测

首先，我们需要将图像转换为灰度图。将图像转为灰度非常重要，因为边缘检测算法依赖于灰度图像来准确识别边缘。灰度图像能够简化算法处理过程，并降低计算复杂度。

1cv::cvtColor(img, src_gray, cv::COLOR_BGR2GRAY);

Canny 边缘检测

在 Canny 边缘检测中，我们使用 OpenCV 库中的 Canny() 函数。该函数需要四个参数，具体如下：

• 第一个参数是输入图像。
• 第二个参数是输出图像。
• 第三个参数是最小梯度强度值。梯度强度低于此值的区域不被视为边缘。因此，提高最小值会减少检测到的边缘数量。
• 第四个参数是最大梯度强度值。梯度强度高于此值的区域被认定为边缘。

介于这两个阈值之间的像素，根据其连通性被分类为边缘或非边缘。

1cv::Canny(src_gray, canny_img, 150, 150);

Canny 边缘检测算法包含四个主要步骤：

1. 首先使用高斯模糊来降低噪声。
2. 接着计算图像的梯度强度。
3. 进行非极大值抑制，扫描图像并去除不必要的像素点。
4. 最后一步是滞后阈值处理。算法根据传入的最小和最大强度值判断检测到的边缘是否有效。

Sobel 边缘检测

在 Sobel 边缘检测中，我们使用 OpenCV 库中的 Sobel() 函数。Sobel 检测算法基于一个原理：在边缘处，像素强度会发生显著变化。我们可以利用一阶导数来捕捉这种变化。梯度变化越大，表示图像中存在越明显的结构变化，这些点就被判定为边缘。该算法同时结合高斯平滑进行降噪处理。

1cv::Sobel(src_gray, outputImg, CV_64F, xGradient, yGradient);

Sobel() 函数需要五个参数，具体如下：

• 第一个参数是输入图像。
• 第二个参数是输出图像。
• 第三个参数是数据深度，这里使用 CV_64F，表示图像矩阵的数据类型为 64 位浮点型（float64）。
• 第四个参数是 x 方向上的梯度值。
• 第五个参数是 y 方向上的梯度值。

下面的代码展示了三种不同图像的显示效果。请按键盘任意键查看下一张图像。

祝贺！我们已成功通过两种不同技术完成了边缘检测。