【文章內(nèi)容簡介】 以圖中c像素點為例，我們首先要知道像素點c的灰度值是否在它的8值鄰域中最大。圖中紅色的線方向我們認(rèn)為是c像素點的方向，我們就可以認(rèn)為它局部的最大值是分布在這條線紅色的線上的，而梯度方向的交點d1和d2這兩個像素點的值也可能是局部最大值。綜上可知，我們比較c像素點和這兩像素點的灰度就可以判斷c像素點的灰度值是否在它的8值鄰域中最大。如果c像素點灰度值最小，c像素點不是局部最大灰度值，那么我們就可以認(rèn)定c像素點不是邊緣[8]。這一步，Canny 采用了滯后閾值，滯后閾值需要兩個閾值，一般有三種情況作為判定是否為邊緣點，第一如果某個像素點位置的幅值高于高閾值,，則該像素被保留為邊緣像素點。第二如果某個像素點的位置的幅值低于低閾值，則該像素點不是邊緣像素點，移除。如果某個像素點的位置在高閾值和低閾值之間，則該像素點只在被連接到高于高閾值的像素點時才被保留。好吧，我們來看看OpenCV中canny算法。我們還是看看實現(xiàn)函數(shù)和其參數(shù)。void Canny(InputArray image,//輸入圖像，即源圖像OutputArray edges,//輸出邊緣圖像，需要和源圖像一樣的尺寸和類型double threshold1,//第一個滯后性閾值double threshold2,//第而個滯后性閾值int apertureSize=3,//表示應(yīng)用Sobel算子的孔徑大小，其有默認(rèn)值3bool L2gradient=false)。//計算圖像梯度幅值的標(biāo)識，默認(rèn)值為false 輪廓提取 輪廓提取目的為什么要對圖像進(jìn)行處理呢，在現(xiàn)實生活中其實都都能多例子，比如為了讓自拍照變得漂亮，為了更清新的看見圖片內(nèi)容，將很多照片的部分拼湊起來變成更好有價值的圖像等等。前面已經(jīng)介紹，利用計算機對圖像進(jìn)行處理，其目的就是得到更適合人觀察和識別的圖像或者由計算機自動識別和理解的圖像[9]。提取圖像的基本特征和屬性，用于計算機分析后就能得出自己想要的圖像，圖像的輪廓作為圖像的基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。本論文研究的圖像輪廓提取其實就是實現(xiàn)上述目的的重要的基礎(chǔ)。 輪廓提取內(nèi)容圖像輪廓攜帶著圖像大部分信息，而輪廓存在于圖像不規(guī)則的結(jié)構(gòu)和不穩(wěn)定的像素點，當(dāng)然也有的存在于信號的突變處。這些輪廓就是我們在圖像邊緣檢測時重要的條件和因數(shù)，所以我們需要對圖像進(jìn)行邊緣檢測從而提取出圖像的輪廓出來。這些方法或者說是算法都是我們前面說研究過的。有時我們要把自己感興趣的東西從目標(biāo)圖像中提取出來，一般用到的方法是通過顏色或紋理提取出目標(biāo)圖像的前景圖，如果這是我們要對前景圖進(jìn)行分析然后把目標(biāo)提取出來，這里用到的方法就是提取目標(biāo)的輪廓[10]。3需求分析 系統(tǒng)功能分析本文主要是研究的圖像的邊緣處理技術(shù)（邊緣檢測和輪廓提取）的一些算法。前面我們介紹了很多經(jīng)典的圖像邊緣檢測的方法，它們是構(gòu)造對像素點灰度階躍變化明顯的微分算子（Sobel算子等）。這種檢測速度是非常喜人的，但是我們得到的圖像結(jié)果一般都是斷斷續(xù)續(xù)的，不怎么完整的結(jié)構(gòu)信息。可它們的優(yōu)勢在于它們對噪聲非常的敏感，一般這類算法都要對愿圖像進(jìn)行平滑操作，然后在進(jìn)行邊緣檢測，這樣一來就能夠檢測出真正的圖像邊緣了。在邊緣檢測技術(shù)中比較靠譜的方法就是線性濾波器，這其實就是Laplace算子。它能很好的解決頻域最優(yōu)化和空域最優(yōu)化之間的矛盾，這類算子的優(yōu)點在于，利用零點檢測中具有各向同性的特點，保證了邊緣的封閉性。這樣處理的圖像會更加符合人眼對圖像的視覺效果。我希望利用所學(xué)的知識，在VS+QT的環(huán)境中來實現(xiàn)它們，進(jìn)一步的理解它們，能使最后得到的圖像有很好的效果 系統(tǒng)流程圖選取圖像打 開文 件開始圖像處理保存 目標(biāo)圖像 圖31 系統(tǒng)流程圖4總體設(shè)計 系統(tǒng)功能要求及說明和實現(xiàn)方法這一部分是介紹系統(tǒng)的實現(xiàn)過程，敘述系統(tǒng)的整體框架。對系統(tǒng)有一個全面的認(rèn)識，將它的功能和實現(xiàn)方法有全面的了解。在功能上，我們主要有幾個要求，第一整體風(fēng)格要大方一致，結(jié)構(gòu)要清晰合理，實行模塊化管理，界面要清晰，要使用戶一眼就能明白，方面用戶操作。第二要做到開發(fā)的代碼簡潔，便于管理，便于修改，便于擴充。第三，有完善的數(shù)據(jù)的輸入和輸出，容錯性好，不會因為用戶的某個操作造成程序的崩潰，提示多，每一步的操作都很簡單明了，都能提醒用戶及時改正[11]。實現(xiàn)方法，+vs2012+，++圖形用戶界面應(yīng)用程序框架，更加兼容OpenCV圖像處理和渲染。然而QT Create的出現(xiàn)也方便了我對代碼的編寫，很多一鍵式的操作，給用戶帶來了很多便利。使用QT也就不言而喻了。在QT中有QMainWindow提供一個有菜單條、例如工具條和一個狀態(tài)條的主應(yīng)用程序窗口,而正是我們需要的。很直觀的想法是以QMainWindow作為父類派生出MyClass類。在MyClass類中，我們實現(xiàn)了對圖像的提取，圖像格式的轉(zhuǎn)換，圖像的處理，圖像的保存，按鍵監(jiān)聽，信號槽和界面退出等操作[12]。在實現(xiàn)過程中，完成了對MyClass類中，對各個函數(shù)的調(diào)試和修改，對代碼的注釋，對幫助提示框的修改。按鈕與實現(xiàn)功能事件一一對應(yīng)，最后對程序進(jìn)行打包。 系統(tǒng)功能模塊本系統(tǒng)結(jié)構(gòu)分為四個模塊，如圖41所示。分別為：文件模塊：對圖片文件的打開，顯示在界面，圖片大小的自適應(yīng)，圖片格式轉(zhuǎn)換，保存模塊：對處理后的圖片文件格式轉(zhuǎn)換，保存。邊緣檢測模塊：運用前章節(jié)所介紹的各種算子，進(jìn)行圖片邊緣檢測。輪廓提取模塊：對圖像輪廓提取。圖像輪廓處理系統(tǒng)輪廓提取邊緣檢測保存圖片圖片提取圖41 系統(tǒng)模塊圖。 圖片提取讀取圖片 路徑轉(zhuǎn)換圖片格式顯示圖片在UI上 圖42 圖片提取功能模塊圖 輪廓提取讀取UI上的圖片二值化處理輪廓提取輪廓標(biāo)記灰度處理 圖43各輪廓提取功能模塊圖5詳細(xì)設(shè)計 圖片提取這個模塊首先是利用QT ，在類中添加了一個按鈕PushButton。然后利用QT中的信號/槽關(guān)聯(lián)一個事件函數(shù)OpenImageClicked(),在該函數(shù)中實現(xiàn)對圖片的提取。下面為實現(xiàn)代碼。 QString fileName = QFileDialog::getOpenFileName(this,tr(Open Image), .,tr(Image Files (*.png *.jpg *.bmp)))。 qDebug()filenames:fileName。//彈出對話框，尋找路徑圖片，提取圖片名字。 image = cv::imread(().data())。//使用Mat格式 讀取圖片 uilabelsetText(fileName)。 originalimg = ()。 //復(fù)制克隆原圖片 qimg = MyClass::Mat2QImage(image)。 //轉(zhuǎn)換圖片格式MatQimage display(qimg)。 //顯示圖片在UI上來的label上 if() //根據(jù)圖片的讀取情況判斷按鈕的顯示狀態(tài) { uipushButtonsetEnabled(true)。 uipushButton_2setEnabled(true)。 } 圖片邊緣檢測（1）Sobel邊緣算子我們來了解一下Sobel算子在OpenCV中的實現(xiàn)吧。在OpenCV中，用Sobel這個函數(shù)來實現(xiàn)的。 void Sobel ( InputArray src,//輸入圖像 OutputArray dst,//輸出圖像 int ddepth,//輸出圖像的深度 int dx,//x 方向上的差分階數(shù) int dy,//y 方向上的差分階數(shù) int ksize=3,//表示Sobel核的大小(如同上面看見的矩陣)，默認(rèn)值為3 double scale=1,//計算導(dǎo)數(shù)值時可選的縮放因子，默認(rèn)值為1(沒有應(yīng)用縮放) double delta=0,//表示在結(jié)果存入目標(biāo)圖像之前可選的d