Canny算法的C++代码实现

#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <iostream> #include <cmath> using namespace cv; using namespace std; /* RGB转换成灰度图像的一个常用公式是： Gray = R*0.299 + G*0.587 + B*0.114 */ //******************灰度转换函数************************* //第一个参数image输入的彩色RGB图像的引用； //第二个参数imageGray是转换后输出的灰度图像的引用； //******************************************************* void ConvertRGB2GRAY(const Mat &image, Mat &imageGray); //****************计算一维高斯的权值数组***************** //第一个参数size是代表的卷积核的边长的大小 //第二个参数sigma表示的是sigma的大小 //******************************************************* double *getOneGuassionArray(int size, double sigma); //****************高斯滤波函数的实现***************** //第一个参数srcImage是代表的输入的原图 //第二个参数dst表示的是输出的图 //第三个参数size表示的是卷积核的边长的大小 //******************************************************* void MyGaussianBlur(Mat &srcImage, Mat &dst, int size); //******************Sobel卷积因子计算X、Y方向梯度和梯度方向角******************** //第一个参数imageSourc原始灰度图像； //第二个参数imageSobelX是X方向梯度图像； //第三个参数imageSobelY是Y方向梯度图像； //第四个参数pointDrection是梯度方向角数组指针 //************************************************************* void SobelGradDirction(Mat &imageSource, Mat &imageSobelX, Mat &imageSobelY, double *&pointDrection); //******************计算Sobel的X和Y方向梯度幅值************************* //第一个参数imageGradX是X方向梯度图像； //第二个参数imageGradY是Y方向梯度图像； //第三个参数SobelAmpXY是输出的X、Y方向梯度图像幅值 //************************************************************* void SobelAmplitude(const Mat imageGradX, const Mat imageGradY, Mat &SobelAmpXY); //******************局部极大值抑制************************* //第一个参数imageInput输入的Sobel梯度图像； //第二个参数imageOutPut是输出的局部极大值抑制图像； //第三个参数pointDrection是图像上每个点的梯度方向数组指针 //************************************************************* void LocalMaxValue(const Mat imageInput, Mat &imageOutput, double *pointDrection); //******************双阈值处理************************* //第一个参数imageInput输入和输出的的Sobel梯度幅值图像； //第二个参数lowThreshold是低阈值 //第三个参数highThreshold是高阈值 //****************************************************** void DoubleThreshold(Mat &imageIput, double lowThreshold, double highThreshold); //******************双阈值中间像素连接处理********************* //第一个参数imageInput输入和输出的的Sobel梯度幅值图像； //第二个参数lowThreshold是低阈值 //第三个参数highThreshold是高阈值 //************************************************************* void DoubleThresholdLink(Mat &imageInput, double lowThreshold, double highThreshold); int main() { const Mat srcImage = imread("1.jpg"); if (!srcImage.data) { printf("could not load image...\n"); return -1; } imshow("srcImage", srcImage); Mat srcGray; ConvertRGB2GRAY(srcImage, srcGray); Mat GaussianRes; MyGaussianBlur(srcGray, GaussianRes, 3); Mat imageSobelX; Mat imageSobelY; double *pointDirection = new double[(GaussianRes.cols - 2)*(GaussianRes.rows - 2)]; //定义梯度方向角数组 SobelGradDirction(GaussianRes, imageSobelX, imageSobelY, pointDirection); //计算X、Y方向梯度和方向角 Mat imageSobleXY; SobelAmplitude(imageSobelX, imageSobelY, imageSobleXY); Mat localMaxImage; LocalMaxValue(imageSobleXY, localMaxImage, pointDirection); imshow("Non-Maximum Image", localMaxImage); DoubleThreshold(localMaxImage, 60, 100); imshow("DoubleThr", localMaxImage); DoubleThresholdLink(localMaxImage, 60, 100); imshow("Canny Image", localMaxImage); imshow("srcGray", srcGray); imshow("GaussianRes", GaussianRes); imshow("SobleX", imageSobelX); imshow("SobleY", imageSobelY); imshow("SobleXY", imageSobleXY); waitKey(0); return 0; } void ConvertRGB2GRAY(const Mat &image, Mat &imageGray) { if (!image.data || image.channels() != 3) { return; } //创建一张单通道的灰度图像 imageGray = Mat::zeros(image.size(), CV_8UC1); //取出存储图像像素的数组的指针 uchar *pointImage = image.data; uchar *pointImageGray = imageGray.data; //取出图像每行所占的字节数 size_t stepImage = image.step; size_t stepImageGray = imageGray.step; for (int i = 0; i < imageGray.rows; i++) { for (int j = 0; j < imageGray.cols; j++) { pointImageGray[i*stepImageGray + j] = (uchar)(0.114*pointImage[i*stepImage + 3 * j] + 0.587*pointImage[i*stepImage + 3 * j + 1] + 0.299*pointImage[i*stepImage + 3 * j + 2]); } } } //计算一维高斯的权值数组 double *getOneGuassionArray(int size, double sigma) { double sum = 0.0; //定义高斯核半径 int kerR = size / 2; //建立一个size大小的动态一维数组 double *arr = new double[size]; for (int i = 0; i < size; i++) { // 高斯函数前的常数可以不用计算，会在归一化的过程中给消去 arr[i] = exp(-((i - kerR)*(i - kerR)) / (2 * sigma*sigma)); sum += arr[i];//将所有的值进行相加 } //进行归一化 for (int i = 0; i < size; i++) { arr[i] /= sum; cout << arr[i] << endl; } return arr; } void MyGaussianBlur(Mat &srcImage, Mat &dst, int size) { CV_Assert(srcImage.channels() == 1 || srcImage.channels() == 3); // 只处理单通道或者三通道图像 int kerR = size / 2; dst = srcImage.clone(); int channels = dst.channels(); double* arr; arr = getOneGuassionArray(size, 1);//先求出高斯数组 //遍历图像 水平方向的卷积 for (int i = kerR; i < dst.rows - kerR; i++) { for (int j = kerR; j < dst.cols - kerR; j++) { double GuassionSum[3] = { 0 }; //滑窗搜索完成高斯核平滑 for (int k = -kerR; k <= kerR; k++) { if (channels == 1)//如果只是单通道 { GuassionSum[0] += arr[kerR + k] * dst.at<uchar>(i, j + k);//行不变，列变换，先做水平方向的卷积 } else if (channels == 3)//如果是三通道的情况 { Vec3b bgr = dst.at<Vec3b>(i, j + k); auto a = arr[kerR + k]; GuassionSum[0] += a*bgr[0]; GuassionSum[1] += a*bgr[1]; GuassionSum[2] += a*bgr[2]; } } for (int k = 0; k < channels; k++) { if (GuassionSum[k] < 0) GuassionSum[k] = 0; else if (GuassionSum[k] > 255) GuassionSum[k] = 255; } if (channels == 1) dst.at<uchar>(i, j) = static_cast<uchar>(GuassionSum[0]); else if (channels == 3) { Vec3b bgr = { static_cast<uchar>(GuassionSum[0]), static_cast<uchar>(GuassionSum[1]), static_cast<uchar>(GuassionSum[2]) }; dst.at<Vec3b>(i, j) = bgr; } } } //竖直方向 for (int i = kerR; i < dst.rows - kerR; i++) { for (int j = kerR; j < dst.cols - kerR; j++) { double GuassionSum[3] = { 0 }; //滑窗搜索完成高斯核平滑 for (int k = -kerR; k <= kerR; k++) { if (channels == 1)//如果只是单通道 { GuassionSum[0] += arr[kerR + k] * dst.at<uchar>(i + k, j);//行变，列不换，再做竖直方向的卷积 } else if (channels == 3)//如果是三通道的情况 { Vec3b bgr = dst.at<Vec3b>(i + k, j); auto a = arr[kerR + k]; GuassionSum[0] += a*bgr[0]; GuassionSum[1] += a*bgr[1]; GuassionSum[2] += a*bgr[2]; } } for (int k = 0; k < channels; k++) { if (GuassionSum[k] < 0) GuassionSum[k] = 0; else if (GuassionSum[k] > 255) GuassionSum[k] = 255; } if (channels == 1) dst.at<uchar>(i, j) = static_cast<uchar>(GuassionSum[0]); else if (channels == 3) { Vec3b bgr = { static_cast<uchar>(GuassionSum[0]), static_cast<uchar>(GuassionSum[1]), static_cast<uchar>(GuassionSum[2]) }; dst.at<Vec3b>(i, j) = bgr; } } } delete[] arr; } //存储梯度膜长与梯度角 void SobelGradDirction(Mat &imageSource, Mat &imageSobelX, Mat &imageSobelY, double *&pointDrection) { //先申请