前言

Canny邊緣檢測速度很快，OpenCV中經常會用到Canny邊緣檢測，以前的Demo中使用Canny邊緣檢測都是自己手動修改高低閾值引數，最近正好要研究點小東西時，就想能不能做個自適應的閾值，在不影響整體效果的基礎上不用手動調參，話不多說，且看下文。

 實現思路：

  1. 影象轉成灰度影象
  2. 求其灰度直方圖，並找出中位數
  3. 根據中位數和設定的sigma值求出高低閾值
  4. 使用Canny邊緣檢測

程式碼實現：

int main()

{

    int GetMatMidVal(Mat& img);

    void GetMatMinMaxThreshold(Mat& img, int& minval, int& maxval, float sigma);

    Mat src = imread("D:/opencv練習圖片/灰度圖片.png");

    imshow("原圖", src);

    Mat gray,binary_1,binary_2;

    cvtColor(src, gray, COLOR_BGR2GRAY);

    GaussianBlur(gray, gray, Size(3, 3), 0.5, 0.5);

    int minthreshold, maxthreshold;

    GetMatMinMaxThreshold(gray, minthreshold, maxthreshold,0.2);

    cout << "min:" << minthreshold << "  max:" << maxthreshold << endl;

    Canny(gray, binary_1, minthreshold, maxthreshold);

    imshow("自適應邊緣", binary_1);

    //Canny(gray, binary_2, 100, 200, 3);

    //imshow("邊緣", binary_2);

    waitKey(0);

    return 0;

}

//求Mat的中位數

int GetMatMidVal(Mat& img)

{

    //判斷如果不是單通道直接返回128

    if (img.channels() > 1) return 128;

    int rows = img.rows;

    int cols = img.cols;

    //定義陣列

    float mathists[256] = { 0 };

    //遍歷計算0-255的個數

    for (int row = 0; row < rows; ++row) {

        for (int col = 0; col < cols; ++col) {

            int val = img.at<uchar>(row, col);

            mathists[val]++;

        }

    }

    int calcval = rows * cols / 2;

    int tmpsum = 0;

    for (int i = 0; i < 255; ++i) {

        tmpsum += mathists[i];

        if (tmpsum > calcval) {

            return i;

        }

    }

    return 0;

}

//求自適應閾值的最小和最大值

void GetMatMinMaxThreshold(Mat& img, int& minval, int& maxval, float sigma)

{

    int midval = GetMatMidVal(img);

    cout << "midval:" << midval << endl;

    // 計算低閾值

    minval = saturate_cast<uchar>((1.0 - sigma) * midval);

    //計算高閾值

    maxval = saturate_cast<uchar>((1.0 + sigma) * midval);

}

結論：

從上圖中可以看出，命令列視窗中min和max就是求出的高低閾值，使用Canny邊緣檢測時直接就按這兩個高低閾值處理的。對於灰度影象，效果較好。

嚴謹性不高，後續仍需改進！！