OpenCV实例：Canny边缘检测

1. 新建项目

    启动Code::Blocks，选择File->New->Project, 项目类型选择:Console Application,项目名为：MyCanny，其他按默认选择。

 

 

2. 代码

    打开main.cpp文件，输入以下代码：

#include
#include "opencv2/opencv.hpp"

using namespace std;

char wndname[] = "Edge";
char tbarname[] = "Threshold";

IplImage *image = 0, *cedge = 0, *gray = 0, *edge = 0;

// define a trackbar callback
void on_trackbar(int h)
{
    cvSmooth( gray, edge, CV_BLUR, 3, 3, 0, 0 );
    cvNot( gray, edge );

    // Run the edge detector on grayscale
    cvCanny(gray, edge, (float)h, (float)h*3, 3);

    cvZero( cedge );
    // copy edge points
    cvCopy( image, cedge, edge );

    cvShowImage(wndname, cedge);
}

int main( int argc, char** argv )
{
    char* filename = argc == 2 ? argv[1] : (char*)"lena.jpg";
    int edge_thresh = 1;
    if( (image = cvLoadImage( filename, 1)) == 0 )
        return -1;

    // Create the output image
    cedge = cvCreateImage(cvSize(image->width,image->height), IPL_DEPTH_8U, 3);

    // Convert to grayscale
    gray = cvCreateImage(cvSize(image->width,image->height), IPL_DEPTH_8U, 1);
    edge = cvCreateImage(cvSize(image->width,image->height), IPL_DEPTH_8U, 1);
    cvCvtColor(image, gray, CV_BGR2GRAY);

    // Create a window
    cvNamedWindow(wndname, 1);

    // create a toolbar
    cvCreateTrackbar(tbarname, wndname, &edge_thresh, 100, on_trackbar);

    // Show the image
    on_trackbar(0);

    // Wait for a key stroke; the same function arranges events processing
    cvWaitKey(0);

    cvReleaseImage(&image);
    cvReleaseImage(&gray);
    cvReleaseImage(&edge);
    cvDestroyWindow(wndname);

    return 0;
}

3. 设置

    打开Project-〉Build Options选项卡

 

选择Search directories，在Compiler里Add进之前安装的OpenCV的include目录

 

    在Linker里Add进lib目录。

   

 

    选择Linker settings，将lib目录下的所有文件添加进去。

 

 

4. 编译

    点击Build->Build编译项目。

 

5. 运行

    将lena.jpg复制到MyCanny项目根目录下（为了方便，可不做）。

    打开Project-〉Set programs‘ arguments，在Program arguments里输入图片的地址。

 

    点击Build-〉Run

    运行效果:

 

 

 

 

 

 

    总结：

         使用OpenCV，只用了几十行代码就实现了边缘检测功能，可见OpenCV的强大。使用OpenCV可以大大降低开发图形图像处理程序的复杂程度，可以使开发人员专心于具体功能的开发，而又能使用图形图像领域专家的算法来处理。

         由于算法的通用性，目前在精度上还有一定的不足，上面的例子虽然检测出了边缘，但是在完整性和连续性上还有不足，有遗漏和缺失的现象存在，如果要用于实际的应用，可能还需要自己的二次开发。

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/gonxi/archive/2011/04/02/6297283.aspx