Android OpenCV（二十二）：边缘检测

概述边缘检测什么是图像的边缘？图像的边缘是图像最基本的特征之一。所谓边缘（或边沿）是指周围像素灰度有跳跃性变化或“屋顶”变化的那些像素的集合。边缘是图像局部强度变化最明显的地方，它主要存在于目标与目标、目标与背景、区域与区域之间，因此它是图像分割依赖的重要特征。从 边缘检测

什么是图像的边缘？

图像的边缘是图像最基本的特征之一。所谓边缘（或边沿）是指周围像素灰度有跳跃性变化或“屋顶”变化的那些像素的集合。边缘是图像局部强度变化最明显的地方，它主要存在于目标与目标、目标与背景、区域与区域之间，因此它是图像分割依赖的重要特征。从本质上说，图像边缘是图像局部特性不连续性（灰度突变、颜色突变、纹理结构突变等）的反应，它标志着一个区域的终结和另一个区域的开始。

检测出的边缘并不等同于实际目标的真实边缘。由于图像数据是二维的，而实际物体是三维的，从三维到二维的投影必然会造成信息的丢失，再加上成像过程中的光照不均和噪声等因素的影响，使得有边缘的地方不一定能被检测出来，而检测出的边缘也不一定代表实际边缘。

图像的边缘有方向和幅度两个属性，沿边缘方向像素变化平缓，垂直于边缘方向像素变化剧烈。边缘上的这种变化可以用微分算子检测出来，通常用一阶或两阶导数来检测边缘。一阶导数认为最大值对应边缘位置，而二阶导数则以过零点对应边缘位置。

由于图像是离散的信号，我们可以用临近的两个像素差值来表示像素灰度值函数的导数，如下：

这种X轴方向求导方式对应于滤波器为[1, -1]，对于Y轴方向则是[1, -1]的转置矩阵。

但是这种求导方式的计算结果最接近于两个像素中间位置的梯度，而两个像素之间是不存在像素的，因此，我们应该选取像素点的前后像素的差值来进行计算，如下：

此时，对应的X轴方向的滤波器为[0.5, 0, -0.5]，对应的Y轴方向的滤波器则是其转置矩阵。根据这种方式，我们也可以得到计算45度方向的梯度对应的滤波器。
0.500​000​00−0.5​

00−0.5​000​0.500​

API图像卷积

public static voID filter2D(Mat src, Mat dst, int ddepth, Mat kernel, Point anchor, double delta, int borderType) 

参数一：src，输入图像。参数二：dst，输出图像，与输入图像具有相同的尺寸和通道数。参数三：ddepth，输出图像的数据类型（深度），根据输入图像的数据类型不同拥有不同的取值范围。当赋值为-1时，输出图像的数据类型自动选择。参数四：kernel，卷积核，CV_32FC1类型的矩阵。参数五：anchor，内核的基准点(锚点)，默认值(-1,-1)代表内核基准点位于kernel的中心位置。基准点即卷积核中与进行处理的像素点重合的点，其位置必须在卷积核的内部。参数六：delta，偏值，在计算结果中加上偏值。参数七：borderType，像素外推法选择标志。默认参数为border_DEFAulT，表示不包含边界值倒序填充。绝对值

图像的边缘有可能是由高像素值变为低像素值，也有可能是由低像素值变成高像素值，通过卷积计算得到的正数值表示需要像素值突然由低变高，得到的负数值表示像素值由高到低，这两种都是图像的边缘，因此为了在图像中同时表示出这两种边缘信息，需要将计算的结果求取绝对值。

public static voID convertScaleAbs(Mat src, Mat dst, double Alpha, double beta) 

参数一：src，输入图像。参数二：dst，计算绝对值后输入矩阵。参数三：缩放因子，默认参数为只求取绝对值不进行缩放。参数四：在原始数据上添加的偏值，默认参数表示不增加偏值。

该函数可以求取矩阵中所有数据的绝对值。函数前两个参数分别为输入、输出矩阵，两个参数可以是相同的变量。函数第三个和第四个参数为对绝对值的缩放和原始数据上的偏移。函数的计算原理如式：
dst(I)=saturate_cast<uchar>(∣src(I)∗alpha+beta∣)

*** 作

/** * 边缘检测 * author: yIDong * 2020/5/2 */class EdgeDetectionActivity : AppCompatActivity() {    private lateinit var mBinding: ActivityEdgeDetectionBinding    private lateinit var mRgb: Mat    overrIDe fun onCreate(savedInstanceState: Bundle?) {        super.onCreate(savedInstanceState)        mBinding = DataBindingUtil.setContentVIEw(this, R.layout.activity_edge_detection)        val bgr = Utils.loadResource(this, R.drawable.lena)        mRgb = Mat()        imgproc.cvtcolor(bgr, mRgb, imgproc.color_BGR2RGB)        showMat(mBinding.ivLena, mRgb)    }    private fun showMat(vIEw: ImageVIEw, source: Mat) {        val bitmap = Bitmap.createBitmap(source.wIDth(), source.height(), Bitmap.Config.ARGB_8888)        bitmap.density = 360        Utils.matToBitmap(source, bitmap)        vIEw.setimageBitmap(bitmap)    }    overrIDe fun onCreateOptionsMenu(menu: Menu?): Boolean {        menuInflater.inflate(R.menu.menu_edge_detection, menu)        return true    }    overrIDe fun onoptionsItemSelected(item: MenuItem): Boolean {        when (item.itemID) {            R.ID.edge_detection_x -> {                edgeDetectionX()            }            R.ID.edge_detection_y -> {                edgeDetectionY()            }            R.ID.edge_detection_x_y -> {                edgeDetectionXAndY()            }            R.ID.edge_detection_xy -> {                edgeDetectionXY()            }            R.ID.edge_detection_yx -> {                edgeDetectionYX()            }        }        return true    }    private fun edgeDetectionX() {        Title = "X轴方向边缘检测"        // X轴方向边缘检测        val kernelX = Mat(1, 3, CvType.CV_16S)        val arrayX = shortArrayOf(-1, 0, 1)        kernelX.put(0, 0, arrayX)        val resultKernelX = Mat()        imgproc.filter2D(mRgb, resultKernelX, CvType.CV_16S, kernelX)        Core.convertScaleAbs(resultKernelX, resultKernelX)        showMat(mBinding.ivResult, resultKernelX)        kernelX.release()        resultKernelX.release()    }    private fun edgeDetectionY() {        Title = "Y轴方向边缘检测"        // Y轴方向边缘检测        val kernelY = Mat(3, 1, CvType.CV_16S)        val arrayY = shortArrayOf(-1, 0, 1)        kernelY.put(0, 0, arrayY)        val resultKernelY = Mat()        imgproc.filter2D(mRgb, resultKernelY, CvType.CV_16S, kernelY)        Core.convertScaleAbs(resultKernelY, resultKernelY)        showMat(mBinding.ivResult, resultKernelY)        kernelY.release()        resultKernelY.release()    }    private fun edgeDetectionXAndY() {        Title = "X和Y轴方向边缘检测"        // X轴方向边缘检测        val kernelX = Mat(1, 3, CvType.CV_16S)        val arrayX = shortArrayOf(-1, 0, 1)        kernelX.put(0, 0, arrayX)        val resultKernelX = Mat()        imgproc.filter2D(mRgb, resultKernelX, CvType.CV_16S, kernelX)        Core.convertScaleAbs(resultKernelX, resultKernelX)        // Y轴方向边缘检测        val kernelY = Mat(3, 1, CvType.CV_16S)        val arrayY = shortArrayOf(-1, 0, 1)        kernelY.put(0, 0, arrayY)        val resultKernelY = Mat()        imgproc.filter2D(mRgb, resultKernelY, CvType.CV_16S, kernelY)        Core.convertScaleAbs(resultKernelY, resultKernelY)        // X,Y轴方向合并        val resultXY = Mat()        Core.add(resultKernelX, resultKernelY, resultXY)        showMat(mBinding.ivResult, resultXY)        kernelX.release()        resultKernelX.release()        kernelY.release()        resultKernelY.release()        resultXY.release()    }    private fun edgeDetectionXY() {        Title = "由左上到右下方向边缘检测"        //由左上到右下方向边缘检测        val kernelXY = Mat(2, 2, CvType.CV_16S)        val arrayXY = shortArrayOf(1, 0, 0, -1)        kernelXY.put(0, 0, arrayXY)        val resultKernelXY = Mat()        imgproc.filter2D(mRgb, resultKernelXY, CvType.CV_16S, kernelXY)        Core.convertScaleAbs(resultKernelXY, resultKernelXY)        showMat(mBinding.ivResult, resultKernelXY)        kernelXY.release()        resultKernelXY.release()    }    private fun edgeDetectionYX() {        Title = "由右上到左下方向边缘检测"        //由右上到左下方向边缘检测        val kernelYX = Mat(2, 2, CvType.CV_16S)        val arrayYX = shortArrayOf(0, -1, 1, 0)        kernelYX.put(0, 0, arrayYX)        val resultKernelYX = Mat()        imgproc.filter2D(mRgb, resultKernelYX, CvType.CV_16S, kernelYX)        Core.convertScaleAbs(resultKernelYX, resultKernelYX)        showMat(mBinding.ivResult, resultKernelYX)        kernelYX.release()        resultKernelYX.release()    }}

效果

源码

https://github.com/onlyloveyd/LearningAndroidOpenCV

扫码关注，持续更新

回复【计算机视觉】获取计算机视觉相关必备学习资料
回复【AndroID】获取AndroID,Kotlin必备学习资料

总结

以上是内存溢出为你收集整理的Android OpenCV（二十二）：边缘检测全部内容，希望文章能够帮你解决Android OpenCV（二十二）：边缘检测所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。