为什么opencv的canny函数检测边缘的效果和matlab的不同

这篇文章将为大家详细讲解有关为什么opencv的canny函数检测边缘的效果和matlab的不同，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

可以明显的看出matlab的边缘更为细腻。

首先回顾一下传统的canny算法的主要步骤：

1、使用sobel差分算子求出灰度图像的x和y方向导数；

2、求出图像各点梯度大小及其方向；

3、设置高低两个阈值，梯度大于高阈值为强边像素点，大于低阈值为潜在可能是较弱的边缘点；

4、在经过一次筛选剩下的强边缘点中沿着梯度方向进行非极大值抑制；

5、顺着二次筛选后的强边点寻找邻近的弱边点得到最终的边缘。

opencv和matlab都基本按照以上步骤得到各自的canny 函数，但一般来说处理之前都先对图像进行模糊平滑，这样得到的效果更好。opencv更注重实时性，所以连平滑都作为可选项放在函数外，而matlab则 更注重质量，除了加入平滑操作外，还有其他一系列的优化操作，以下逐项比较。

1、模糊平滑

这一项其实对生成的边缘效果影响十分大，平滑的越流畅则生成的边缘越圆滑，一 般使用高斯低通滤波；那么滤波器的大小以及高斯分布的方差是两个关键的参数，通过实验确定取什么值最优，但一般用5×5和方差为2的就可以 了，opencv的cvSmooth函数可以进行平滑，一般都是使用输入和输出都是8位深的图像，而matlab是把图像转换为浮点类型后进行平滑操作， 这样一来从精度上说matlab就已经更胜一筹了，因为这直接决定后面的求导运算得到的两个方向导数的精度。

2、梯度

在sobel的运用上两者是一致的，但是求梯度的方向的算法两者是截然不同 的，但本质一样，效果经过笔者测试基本相同。在梯度的大小方面，opencv提供了欧式距离和哈密顿距离两种度量方式，前者是平方和后开方，后者是直接绝 对值的加和，opencv默认使用后者，我们知道((x2+y2)/2)1/2>=(|x|+|y|)/2，以及|x|+|y|>=(x2+y2)1/2 所以理论上使用哈密顿距离也基本符合真实数值，但总归是有精度上的差别，这也是为什么有人说opencv的canny不如matlab好的第二个原因了，在cv.h里面可以通过修改CV_CANNY_L2_GRADIENT来进行切换。

3、阈值

这里的阈值是梯度大小是否能够通过的开关，opencv的阈值都采用手工设置的方式，而matlab是把所有点的强度作出直方图，保留一定百分比的强边缘，这个步骤的差别不会影响结果的质量，但是在速度上当然会有差别，这是速度和方便程度的矛盾。

4、薄边效果

经过非极大值抑制后的边缘基本上是一到两个像素点的宽度，最终希望得到一个线 宽的边缘，opencv只是通过简单的判断来防止并行或者并列出现两个强边像素，这种简单的薄边手法会导致边缘的断裂，而matlab采用了Louisa Lam, Seong-Whan Lee, and Ching Y. Wuen, "Thinning Methodologies-A Comprehensive Survey," IEEE TrPAMI, vol. 14, no. 9, pp. 869-885, 1992. 这边文章的方法进行两次薄边处理，效果相当好，所得的边缘十分圆滑。

综上所述，要想opencv的效果和matlab的差不多就必须在平 滑上下功夫，梯度的大小要用欧式距离度量，另外要加入matlab的薄边算法，这样一来处理时间大概会增加一倍，但也基本可以满足实时处理。另外在一般视 觉应用中可以把算法修改为一个阈值，去掉强弱边连接这一步骤以提高速度.

关于为什么opencv的canny函数检测边缘的效果和matlab的不同就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。