opencv——自适应阈值Canny边缘检测
前言
Canny边缘检测速度很快，OpenCV中经常会用到Canny边缘检测，以前的Demo中使用Canny边缘检测都是自己手动修改高低阈值参数，最近正好要研究点小东西时，就想能不能做个自适应的阈值，在不影响整体效果的基础上不用手动调参，话不多说，且看下文。
实现思路：
- 图像转成灰度图像
- 求其灰度直方图，并找出中位数
- 根据中位数和设定的sigma值求出高低阈值
- 使用Canny边缘检测
代码实现：
int main() { int GetMatMidVal(Mat& img); void GetMatMinMaxThreshold(Mat& img, int& minval, int& maxval, float sigma); Mat src = imread("D:/opencv练习图片/灰度图片.png"); imshow("原图", src); Mat gray,binary_1,binary_2; cvtColor(src, gray, COLOR_BGR2GRAY); GaussianBlur(gray, gray, Size(3, 3), 0.5, 0.5); int minthreshold, maxthreshold; GetMatMinMaxThreshold(gray, minthreshold, maxthreshold,0.2); cout << "min:" << minthreshold << " max:" << maxthreshold << endl; Canny(gray, binary_1, minthreshold, maxthreshold); imshow("自适应边缘", binary_1); //Canny(gray, binary_2, 100, 200, 3); //imshow("边缘", binary_2); waitKey(0); return 0; } //求Mat的中位数 int GetMatMidVal(Mat& img) { //判断如果不是单通道直接返回128 if (img.channels() > 1) return 128; int rows = img.rows; int cols = img.cols; //定义数组 float mathists[256] = { 0 }; //遍历计算0-255的个数 for (int row = 0; row < rows; ++row) { for (int col = 0; col < cols; ++col) { int val = img.at<uchar>(row, col); mathists[val]++; } } int calcval = rows * cols / 2; int tmpsum = 0; for (int i = 0; i < 255; ++i) { tmpsum += mathists[i]; if (tmpsum > calcval) { return i; } } return 0; } //求自适应阈值的最小和最大值 void GetMatMinMaxThreshold(Mat& img, int& minval, int& maxval, float sigma) { int midval = GetMatMidVal(img); cout << "midval:" << midval << endl; // 计算低阈值 minval = saturate_cast<uchar>((1.0 - sigma) * midval); //计算高阈值 maxval = saturate_cast<uchar>((1.0 + sigma) * midval); }
结论：
从上图中可以看出，命令行窗口中min和max就是求出的高低阈值，使用Canny边缘检测时直接就按这两个高低阈值处理的。对于灰度图像，效果较好。
严谨性不高，后续仍需改进！！😀😀😀
