### OpenCV 中 Canny 函数源码解析 #### 一、Canny 边缘检测算法概述 Canny边缘检测是一种多阶段的边缘检测算法，广泛应用于计算机视觉领域。该算法通过噪声抑制、强度梯度计算、非极大值抑制以及双阈值和边界跟踪来识别图像中的强边缘[^1]。 #### 二、预处理：高斯模糊 为了减少图像中的噪声干扰，在执行真正的边缘检测之前会先应用高斯平滑操作。这一步骤有助于消除高频噪声的影响，使得后续的梯度计算更加精确。具体来说，OpenCV 使用 `cv::GaussianBlur` 对输入图像进行了卷积运算[^2]。 ```cpp // 高斯滤波部分伪代码表示 void GaussianBlur(const Mat& src, Mat& dst){ // ...省略参数初始化... filter2D(src,dst,-1,kernel); } ``` #### 三、计算梯度幅值与方向 经过降噪后的灰度图像是下一步工作的基础。此时需要求解每个像素位置处沿X轴Y轴两个方向上的偏导数，并据此得出其对应的幅度大小及角度信息。这部分工作通常借助Sobel算子完成： - 幅度 $M(x,y)=\sqrt{(G_x)^2+(G_y)^2}$ - 方向 $\theta=\arctan(\frac{G_y}{G_x})$ 其中$G_x,G_y$分别代表水平垂直方向的一阶微分响应值[^3]。 ```cpp /// 计算梯度幅值和方向角 Mat magnitude; Mat angle; cartToPolar(Gx,Gy,magnitude,angle,true); ``` #### 四、非最大抑制（Non-Maximum Suppression） 对于每一个像素点而言，只有当它在局部范围内具有最大的梯度变化率时才会被认为是潜在的有效边线候选者；否则就将其置零。此过程能够有效去除虚假轮廓线条，保留真正意义上的物体边界特征[^4]。 ```cpp for(int i=0;i<rows;++i){ for(int j=0;j<cols;++j){ float grad_angle = angles.at<float>(i,j); int q,r; if((grad_angle<=22.5 && grad_angle>=-22.5)||(grad_angle>157.5 || grad_angle<-157.5)){ q=mag.at<float>(i,j+1); r=mag.at<float>(i,j-1); } else if(grad_angle>22.5&&grad_angle<67.5){ q=mag.at<float>(i+1,j-1); r=mag.at<float>(i-1,j+1); } ... if(mag.at<float>(i,j)<min(q,r)) edges.at<uchar>(i,j)=0; } } ``` #### 五、滞后阈值判定 (Hysteresis Thresholding) 最后利用高低两档不同的门限设定来进行最终筛选——凡是超过较高限度的位置均被标记为确实存在的边缘；而介于两者之间的则需进一步考察邻近区域是否存在满足条件的情况才能决定是否采纳。这种机制可以很好地连接断开的小片段成为连续的整体结构。 ```cpp vector<int> lowThresholdIdx[2]; findNonZero(lowThresholdView,lowThresholdIdx); for(size_t k=0;k!=lowThresholdIdx[0].size();++k){ Point pt(lowThresholdIdx[1][k],lowThresholdIdx[0][k]); queue<Point> toCheck; toCheck.push(pt); while(!toCheck.empty()){ Point p=toCheck.front(); toCheck.pop(); if(edges(p)>highThresh){ resultImage(p)=255; // Add neighbors of pixel 'p' that haven't been processed yet. addPixelNeighbors(toCheck,p,resultImage,edges,processedPixels); } } } ```