边缘检测的一般步骤：

OpenCV——边缘检测入门、Canny边缘检测_灰度图

 

最优边缘检测的三个评价标准：

低错误率：表示出尽可能多的实际边缘，同时尽可能地减少噪声产生的误报；

高定位性：标识出的边缘要与图像实际边缘尽可能接近；

最小响应：图像中的边缘只能标识一次，并且可能存在的图像噪声不应被标识为边缘。

 

OpenCV——边缘检测入门、Canny边缘检测_二值图像_02

OpenCV——边缘检测入门、Canny边缘检测_灰度图_03

示例程序：



1 #include <opencv2/opencv.hpp>
 2 #include <iostream>
 3 
 4 using namespace cv;
 5 using namespace std;
 6 
 7 //Canny边缘检测的一般过程：
 8 //转成灰度图
 9 //降噪
10 //用Canny算子（此时已经得到了边缘）
11 //将边缘作为掩码，拷贝原图到效果图上，得到彩色的边缘
12 
13 
14 int main(int argc, char** argv)
15 {
16     Mat src = imread("test.jpg");
17     Mat src1 = src.clone();
18     Mat dst, edge, gray;
19 
20     //初始化输出图
21     dst.create(src1.size(), src1.type());6
22     dst = Scalar::all(0);
23 
24     //转成灰度图
25     cvtColor(src1, gray, COLOR_BGR2GRAY);
26 
27     //均值滤波降噪，也可以用其他滤波方法
28     blur(gray, edge, Size(3, 3));
29 
30     //运行canny算子，得到边缘
31     Canny(edge, edge, 3, 9, 3);
32 
33     //掩膜的存在使得只有边缘部分被copy，得到彩色的边缘
34     src1.copyTo(dst, edge);
35 
36     imshow("效果图", dst);
37     
38     waitKey(0);
39     return 0;
40 
41 }


 OpenCV——边缘检测入门、Canny边缘检测_示例程序_04

不管是哪种方法最后得到的都是二值图像