一、canny算子：
Canny的目标是找到一个最优的边缘检测算法，评判标准：低错误率、高定位性、最小响应
二、canny边缘检测的步骤：
- 消除噪声，一般情况下，使用高斯平滑滤波器卷积降噪
- 计算梯度幅值和方向
- 非极大值抑制，这一步排除非边缘像素，仅仅保留了一些细线条（候选边缘）
- 滞后阈值
<2>若某一像素位置的幅值小于低阈值，该像素被排除
<3>若某一像素位置的幅值在两者之间，该像素仅仅在连接到一个高于高阈值的时候被保留
三、Canny函数
函数原型：
C++: void Canny(InputArray image,
OutputArray edges,
double threshold1,
double threshold2,
int apertureSize=3,
bool L2gradient=false)参数详解：
- 第一个参数，InputArray类型的image，输入图像，填Mat类对象即可，且需为单通道8位图像
- 第二个参数，OutputArray类型的edges,输出边缘图，和源图像有一样的尺寸和类型
- 第三个参数，double类型的threshold1，第一个滞后性阈值
- 第四个参数，double类型的threshold2，第二个滞后性阈值
- 第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，默认值3
- 第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，默认值false
四、示例：Canny边缘检测
#include
using namespace std;
using namespace cv;
int main() {
Mat src = https://www.it610.com/article/imread("1.jpg");
Mat src1 = src.clone();
//显示原始图
imshow("【原始图】Canny边缘检测", src);
//高阶canny用法，转成灰度图，降噪，用canny，最后将得到的边缘作为掩码，拷贝原图到效果图上，得到彩色的边缘图 Mat dst, edge, gray;
//创建与src同类型和大小的矩阵dst
dst.create(src1.size(), src1.type());
//将原图转化为灰度图
cvtColor(src1, gray, COLOR_RGB2GRAY);
//先用3×3内核来降噪
blur(gray, edge, Size(3, 3));
//运行canny算子
Canny(edge, edge, 3, 9, 3);
//推荐高低阈值比在2:1到3:1之间 //将dst内所有元素设置为0
dst = Scalar::all(0);
//edge作为掩码，将原图src拷贝到dst中
src1.copyTo(dst, edge);
imshow("【效果图】Canny边缘检测", dst);
waitKey(0);
return 0;
} 运行结果：
【OpenCV3之——边缘检测Canny算子的高阶用法】
文章图片
