数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础，图像分析和理解的第一步往往就是边缘检测。轮廓跟踪是获取图像的外部轮廓特征，为图像的形状分析做准备。本文主要实现图像边缘检测、轮廓提取、轮廓跟踪。
一、读取图像
读取图像见QT+opencv学习笔记（1）——图像点运算，这里不再赘述。
二、边缘检测
边缘是指图像局部强度变化最显著的部分。边缘主要存在与目标与目标、目标与背景、区域与区域之间。图像强度的不连续性可分为：阶跃不连续，即图像强度在不连续处的两边的像素灰度值有显著的差异；线条不连续，即图像强度从一个值变化到另一个值，保持一较小行程后又回到原来的值。
边缘检测算子检查每个像素的邻域并对灰度变换率进行量化，也包括方向的确定。大多数使用基于方向倒数掩模求卷积的方法。
下面介绍几种常用的边缘检测算子。
Canny算子:
Canny算子运用比较广泛。是在Sobel算子的基础上改进的。
Canny算子的步骤是：
1.先进行滤波降噪。
2.计算梯度幅值和方向（进行Sobel算子计算）。
3.非极大值抑制。
4.滞后阈值。
Canny边缘检测可通过Canny()函数来实现。Canny()函数的定义如下：
void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize, bool L2gradient
名字：Canny边缘检测算子
描述：用于检测图像边缘轮廓
参数：
InputArray image ：8位单通道输入图像
OutputArray edges：输出图像，和输入图像的尺寸类型一致
double threshold1：滞后阈值低阈值（用于边缘连接）
double threshold2：滞后阈值高阈值（控制边缘初始段）
int apertureSize：表示Sobel算子孔径大小，默认为3
bool L2gradient：计算图像梯度幅值的标识，默认false
Canny边缘检测主要代码如下：
Canny(grayImg, edgeImg, 30, 80);Canny边缘检测处理结果如下：
Sobel算子
Sobel算子是一个主要用于边缘检测的离散微分算子，它结合了高斯平滑和微分求导，用于计算图像灰度函数的近似梯度。
Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，对边缘定位不是很准确，图像的边缘不止一个像素。
Sobel边缘检测可通过Sobel()函数来实现。Sobel()函数的定义如下：
void Sobel(InputArray src, OutputArray dst, int ddepth, int xorder, int yorder, int ksize=3, double scale=1, double delta=0, intborderType=BORDERDEFAULT)
名字：Sobel边缘检测算子
描述：用于检测图像边缘轮廓
参数：
InputArray src ：输入图像
OutputArray dst：输出图像，和输入图像的尺寸类型一致
int ddepth：输出图像的深度
int xorder：x方向上的差分阶数
int yorder：y方向上的差分阶数
int ksize=3：Sobel核的大小，取值1,3,5,7
double scale=1：计算倒数时的缩放因子
double delta=0：可选delta值
intborderType=BORDERDEFAULT：边界模式，一般默认即可
Sobel边缘检测主要代码如下：
//Sobel边缘检测
Mat x_edgeImg, y_edgeImg;
Mat abs_x_edgeImg, abs_y_edgeImg;
/*先对x方向进行边缘检测 */
//因为Sobel求出来的结果有正负，8位无符号表示不全，故用16位有符号表示
Sobel(grayImg,x_edgeImg, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);
convertScaleAbs(x_edgeImg, abs_x_edgeImg);//将16位有符号转化为8位无符号
/*再对y方向进行边缘检测**/
Sobel(grayImg, y_edgeImg, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);
convertScaleAbs(y_edgeImg, abs_y_edgeImg);
addWeighted(abs_x_edgeImg, 0.5, abs_y_edgeImg, 0.5, 0, edgeImg);Sobel边缘检测处理结果如下：
Laplacian算子
Laplacian算子边缘检测是通过二阶倒数，二阶倒数比一阶倒数的好处是在与受到周围的干扰小，其不具有方向性，操作容易，且对于很多方向的图像处理好。
Laplacian算子对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。
Laplacian边缘检测可通过Laplacian()函数来实现。Laplacian()函数的定义如下：
void Laplacian(InputArray src, OutputArray dst, int ddepth, int ksize=1, double scale, double delta=0, int borderType=BORDER_DEFAULT )
名字： Laplacian边缘检测算子
描述：用于检测图像边缘轮廓
参数：
InputArray src ：输入图像
OutputArray dst：输出图像，和输入图像的尺寸类型一致
int ddepth：输出图像的深度
int ksize=1：用于计算二阶导数的滤波器孔径大小，须为正奇数，默认值为1
double scale：可选比例因子，默认值为1
double delta=0：可选delta值
int borderType=BORDER_DEFAULT ：边界模式，一般默认即可
Laplacian边缘检测主要代码如下：
//Laplacian边缘检测
Mat lapImg;
Laplacian(grayImg, lapImg, CV_16S, 5, 1, 0, BORDER_DEFAULT);
convertScaleAbs(lapImg, edgeImg);Laplacian边缘检测处理结果如下：
三、轮廓提取
轮廓的提取，边缘检测就可以做到，不过得到的轮廓比较粗糙。
图像轮廓的提取先对图像二值化，再通过findContours()函数提取轮廓，最后通过drawContours()函数将轮廓绘制出来。在将轮廓提取的结果使用imwrite函数保存到本地时，总是写不了，查了半天没找出问题，刚开始文件名为con.bmp，最后把文件名改成cont.bmp就好了，玄学。。。
1、轮廓边缘关键点可通过findContours()函数来得到。findContours()函数的定义如下：
声明1：
findContours( InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset=Point());
声明2：
findContours( InputOutputArray image, OutputArrayOfArrays contours, int mode, int method, Point offset=Point());
名字：轮廓查找函数
描述：用于查找边缘轮廓坐标点
参数：
第一个参数：image，8位单通道图像矩阵，可以是灰度图，但更常用的是二值图像，可以使从canny（）得到的图像，也可以是threshhold（）函数得到的图像。’
第二个参数：contours，定义为“vector contours”，是一个向量，并且是一个双重向量，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓。
第三个参数：hierarchy，表示层数，定义为“vector hierarchy”，这一输出将是一个数组（通常仍是标准模板库向量），每条轮廓对应一个数组中一个值，数组中的每个值都是一个四元数组。
第四个参数：int型的mode，定义轮廓的检索模式：
取值一：CV_RETR_EXTERNAL只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略
取值二：CV_RETR_LIST 检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓， 所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1，具体下文会讲到
取值三：CV_RETR_CCOMP 检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围 内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层
取值四：CV_RETR_TREE， 检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。
第五个参数：int型的method，定义轮廓的近似方法：
取值一：CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的服务器托管网轮廓点到contours向量内
取值二：CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留
drawContours()函数定义如下：
2、轮廓边缘的绘制可通过drawContours()函数来实现。drawContours()函数的定义如下：
void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const cv::Scalar& color int thickness=1, int lineType=8, InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point()
名字：轮廓查找函数
描述：用于查找边缘轮廓坐标点
参数：
第一个参数：image，表示目标图像，
第二个参数：contours，表示输入的轮廓组，每一组轮廓由点vector构成，
第三个参数：contourIdx，指明画第几个轮廓，如果该参数为负值（通常设为-1），则画全部轮廓，如果是一个正数，则对应的轮廓被绘制。
第四个参数；color，为轮廓的颜色，
第五个参数；thickness，为轮廓的线宽，如果为负值或CV_FILLED表示填充轮廓内部，
第六个参数；lineType，为线型，
第七个参数；为轮廓结构信息，
第八个参数；为maxLevel
3、轮廓提取主要代码如下：
Mat contImg = Mat ::zeros(grayImg.size(),CV_8UC3);//定义三通道轮廓提取图像
Mat binImg;
threshold(grayImg, binImg, 127, 255, THRESH_OTSU);//大津法进行图像二值化
vector> contours;
vector hierarchy;
//查找轮廓
findContours(binImg, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_NONE);
//绘制查找到的轮廓
drawContours(contImg, contours, -1, Scalar(0,255,0));4、轮廓提取处理结果如下：
四、轮廓跟踪
通常在进行边缘检测之后，需要通过边缘跟踪来将离散的边缘串接起来，常使用的方法边缘跟踪法。边缘跟踪又分为八邻域和四邻域两种。
实现步骤：
1、灰度化并进行Canny边缘检测；
2、按照预先设定的跟踪方向（顺时针）进行边缘跟踪；
3、每次跟踪的终止条件为：8邻域都不存在轮廓。
主要代码如下：
Mat edgeImg,trackImg;
//Canny边缘检测
Canny(grayImg, edgeImg, 50, 100);
vector edge_t;
vector> edges;
//边缘跟踪
EdgeTracking(edgeImg,edge_t,edges,trackImg);void Dialog::EdgeTracking(Mat& Edge,vector& edge_t,vector>& edges,Mat& trace_edge_color)
{
// 8 neighbors
const Point directions[8] = { { 0, 1 }, {1,1}, { 1, 0 }, { 1, -1 }, { 0, -1 }, { -1, -1 }, { -1, 0 },{ -1, 1 } };
int i, j, counts = 0, curr_d = 0;
for (i = 1; i 服务器托管网(c_pt.x, c_pt.y))
{
edge_t.clear();
bool tra_flag = false;
// 存入
edge_t.push_back(c_pt);
Edge.at(c_pt.x, c_pt.y) = 0; // 用过的点直接给设置为0
// 进行跟踪
while (!tra_flag)
{
// 循环八次
for (counts = 0; counts = 8)
{
curr_d -= 8;
}
if (curr_d 0) && (c_pt.x 0) && (c_pt.y (c_pt.x, c_pt.y))
{
curr_d -= 2; // 更新当前方向
edge_t.push_back(c_pt);
Edge.at(c_pt.x, c_pt.y) = 0;
// 更新b_pt:跟踪的root点
b_pt.x = c_pt.x;
b_pt.y = c_pt.y;
//cout 5)
{
for (j = 0; j (edges[i][j].x, edges[i][j].y)[0] = color[0];
trace_edge_color.at(edges[i][j].x, edges[i][j].y)[1] = color[1];
trace_edge_color.at(edges[i][j].x, edges[i][j].y)[2] = color[2];
}
}
}
}轮廓跟踪处理结果如下：
|
戳戳小手帮忙点个免费的赞和关注吧，嘿嘿。 |
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net
相关推荐: 【Ubuntu】Systemctl控制nacos启动与关闭
要使用 systemctl 来管理 Nacos Server 的启动和停止，你需要创建一个 systemd 服务单元文件。以下是创建和使用 Nacos Server systemd 服务的一般步骤： 创建一个 systemd 服务单元文件： 打开终端并使用文本…
