边缘检测
前面我们用sobel算子和拉普拉斯变换也可以进行边缘检测，见我的上一篇blog:
http://blog.csdn.net/lu597203933/article/details/17252285
但这样得到的二值边缘图像有两大缺点。第一：检测到的边缘过粗，这意味着难以实现物体的精确定位。第二：难以找到这样的阀值，即能足够低检测到所有重要的边缘，同时也不至于包含过多次要的边缘。
这个正是canny算子要解决的。
Canny算子通常基于sobel算子，有两个阀值，这样可以得到两幅边缘图；canny算法组合这两幅边缘图以生成一副“最优”的轮廓图。如果存在连续的边缘点，则将低阀值图像中的边缘点与高阀值图像中的边缘相连接，那么就保留低阀值图像中的边缘点。这种使用双阀值以得到二值图像的策略被称为磁滞阀值化。
另附上：
Matlab的Canny算子
BW =edge(I,'canny')
用canny算子实现边缘检测
BW =edge(I,'canny',thresh)
为canny算法指定sensitivitythresholds（阈值）。
指定两个阈值（二维矢量）：第一个元素为低阈值，第二个元素为高阈值。
指定一个阈值（单个数值）：用作高阈值，低阈值为0.4*高阈值。
未指定阈值（或用[]代替）：自动根据图像的梯度直方图计算高低阈值。
BW =edge(I,'canny',thresh,sigma)
sigma 表示高斯滤波器的标准差，默认值为sqrt(2)。滤波器大小根据sigma值自动计算。
[BW,thresh] =edge(I,'canny',...)
用thresh返回两个阈值。
OpenCV的Canny算子
cvCanny函数头：
void cvCanny( const CvArr* img, CvArr* edges, double lowThresh, double highThresh, int apertureSize = 3 );
image 单通道输入图像 edges 单通道图像，保存图像边缘 threshold1 阈值1 threshold2 阈值2 apertureSize Sobel算子的孔径参数 (参见 cvSobel 函数)
------------------------------
来自:http://hi.baidu.com/windroc/item/2c3afac341a6542cee4665ca
int main() { Mat image = imread("F:\\lena.png", 0); // 这里也可以是BGR 但是想想提取轮廓 效果是一样的 if(!image.data) { cout << "Fail to load image" << endl; return 0; } Mat result; Canny(image, result, 150, 220); namedWindow("cannyResult"); imshow("cannyResult", result); waitKey(0); return 0; }
