opencv3.0
/*cv21Canny边缘检测
by txwtech
Canny边缘检测是一种非常流行的边缘检测算法，是John Canny在1986年提出的。它是一个多阶段的算法，即由多个步骤构成。
切记canny的输入原图像是8位灰度图像，所有输入是彩色图像是需要用cvColor转灰度图像
1.图像降噪
2.计算图像梯度
3.非极大值抑制
4.阈值筛选
首先，图像降噪。我们知道梯度算子可以用于增强图像，本质上是通过增强边缘轮廓来实现的，也就是说是可以检测到边缘的。但是，它们受噪声的影响都很大。那么，我们第一步就是想到要先去除噪声，因为噪声就是灰度变化很大的地方，所以容易被识别为伪边缘。
第二步，计算图像梯度，得到可能边缘。我们在前面的关于《图像梯度》文章中有所介绍，计算图像梯度能够得到图像的边缘，因为梯度是灰度变化明显的地方，而边缘也是灰度变化明显的地方。当然这一步只能得到可能的边缘。因为灰度变化的地方可能是边缘，也可能不是边缘。这一步就有了所有可能是边缘的集合。
第三步，非极大值抑制。通常灰度变化的地方都比较集中，将局部范围内的梯度方向上，灰度变化最大的保留下来，其它的不保留，这样可以剔除掉一大部分的点。将有多个像素宽的边缘变成一个单像素宽的边缘。即“胖边缘”变成“瘦边缘”。
第四步，双阈值筛选。通过非极大值抑制后，仍然有很多的可能边缘点，进一步的设置一个双阈值，即低阈值（low），高阈值（high）。灰度变化大于high的，设置为强边缘像素，低于low的，剔除。在low和high之间的设置为弱边缘。进一步判断，如果其领域内有强边缘像素，保留，如果没有，剔除。
这样做的目的是只保留强边缘轮廓的话，有些边缘可能不闭合，需要从满足low和high之间的点进行补充，使得边缘尽可能的闭合。
Canny（
InputArray src, // 8-bit的输入图像
OutputArray edges,// 输出边缘图像， 一般都是二值图像，背景是黑色
double threshold1,// 低阈值，常取高阈值的1/2或者1/3
double threshold2,// 高阈值
int aptertureSize,// Soble算子的size，通常3x3，取值3
bool L2gradient // 选择 true表示是L2来归一化，否则用L1归一化
）
Canny算法介绍-高低阈值输出二值图像
T1， T2为阈值，凡是高于T2的都保留，凡是小于T1都丢弃，从高于T2的像素出发，凡是大于T1而且相互连接的，都保留。最终得到一个输出二值图像。
推荐的高低阈值比值为 T2: T1 = 3:1/2:1其中T2为高阈值，T1为低阈值
imshow("canny_edge_output_白黑", ~canny_edge_output);//白黑黑白背景取反输出
效果：
*/
/*cv21Canny边缘检测
by txwtech
Canny边缘检测是一种非常流行的边缘检测算法，是John Canny在1986年提出的。它是一个多阶段的算法，即由多个步骤构成。
切记canny的输入原图像是8位灰度图像，所有输入是彩色图像是需要用cvColor转灰度图像
1.图像降噪
2.计算图像梯度
3.非极大值抑制
4.阈值筛选
首先，图像降噪。我们知道梯度算子可以用于增强图像，本质上是通过增强边缘轮廓来实现的，也就是说是可以检测到边缘的。但是，它们受噪声的影响都很大。那么，我们第一步就是想到要先去除噪声，因为噪声就是灰度变化很大的地方，所以容易被识别为伪边缘。
第二步，计算图像梯度，得到可能边缘。我们在前面的关于《图像梯度》文章中有所介绍，计算图像梯度能够得到图像的边缘，因为梯度是灰度变化明显的地方，而边缘也是灰度变化明显的地方。当然这一步只能得到可能的边缘。因为灰度变化的地方可能是边缘，也可能不是边缘。这一步就有了所有可能是边缘的集合。
第三步，非极大值抑制。通常灰度变化的地方都比较集中，将局部范围内的梯度方向上，灰度变化最大的保留下来，其它的不保留，这样可以剔除掉一大部分的点。将有多个像素宽的边缘变成一个单像素宽的边缘。即“胖边缘”变成“瘦边缘”。
第四步，双阈值筛选。通过非极大值抑制后，仍然有很多的可能边缘点，进一步的设置一个双阈值，即低阈值（low），高阈值（high）。灰度变化大于high的，设置为强边缘像素，低于low的，剔除。在low和high之间的设置为弱边缘。进一步判断，如果其领域内有强边缘像素，保留，如果没有，剔除。
这样做的目的是只保留强边缘轮廓的话，有些边缘可能不闭合，需要从满足low和high之间的点进行补充，使得边缘尽可能的闭合。
Canny（
InputArray src, // 8-bit的输入图像
OutputArray edges,// 输出边缘图像， 一般都是二值图像，背景是黑色
double threshold1,// 低阈值，常取高阈值的1/2或者1/3
double threshold2,// 高阈值
int aptertureSize,// Soble算子的size，通常3x3，取值3
bool L2gradient // 选择 true表示是L2来归一化，否则用L1归一化
）
Canny算法介绍-高低阈值输出二值图像
T1， T2为阈值，凡是高于T2的都保留，凡是小于T1都丢弃，从高于T2的像素出发，凡是大于T1而且相互连接的，都保留。最终得到一个输出二值图像。
推荐的高低阈值比值为 T2: T1 = 3:1/2:1其中T2为高阈值，T1为低阈值
imshow("canny_edge_output_白黑", ~canny_edge_output);//白黑黑白背景取反输出
我们看看效果：
*/
#include <opencv2\opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
void Canny_func(int, void*);//定义回调函数
int tt1_value = 60;
int max_value = 255;
Mat src;
Mat src_gray;
Mat result_image;
const char* OUTPUT_NAME = "Canny输出结果";
int main(int argc, char *argv[])
{
src = imread("e:\\pictures\\柚子.jpg",CV_LOAD_IMAGE_ANYCOLOR);
namedWindow("原图", CV_WINDOW_AUTOSIZE);
namedWindow(OUTPUT_NAME, CV_WINDOW_AUTOSIZE);
if (!src.data)
{
printf("failed to load image,please check the path");
return -1;
}
cvtColor(src,src_gray,CV_BGR2GRAY);
createTrackbar("Threshold:",OUTPUT_NAME,&tt1_value,max_value,Canny_func);
Canny_func(0,0);
imshow("原图",src);
waitKey(0);
return 0;
}
void Canny_func(int, void*)
{
Mat canny_edge_output;
//图像模糊，降低噪音
blur(src_gray, src_gray,Size(3,3),Point(-1,-1),BORDER_DEFAULT);
Canny(src_gray, canny_edge_output,tt1_value,tt1_value*2,3,false);
result_image.create(src.size(),src.type());//初始化result_image对象
src.copyTo(result_image, canny_edge_output);//canny_edge_output结果叠加在result_image，变成彩色图像,
imshow(OUTPUT_NAME, result_image);//彩色图像
imshow("canny_edge_output", canny_edge_output);//黑白
imshow("canny_edge_output_白黑", ~canny_edge_output);//白黑
}
