Emgu CV4图像处理之Canny边缘检测和图像阈值化13(C#)

本文测试环境：

win10  64位

vistual studio 2019  

Emgu CV 4.6.0

环境配置准备：

1 新增控制台项目，.net framework为4.7.2

2  把win-x64目录的native目录下的文件全部拷贝到项目的运行目录Debug目录下

3  项目选择x64

4 添加项目引用Emgu.CV.dll、Emgu.CV.Platform.NetFramework.dll、System.Drawing.dll和System.Runtime.InteropServices.RuntimeInformation.dll  

具体配置参考：

Emgu CV4图像处理之环境搭建1(C#)_zxy2847225301的博客-CSDN博客

1  Canny边缘检测

1  实现Canny算法需要以下五个步骤：

 高斯模糊：使用高斯滤波进行图像去噪，这很好理解，为了更好的提取轮廓

 灰度转换：提取轮廓一般都是灰度图

 计算梯度和方向：使用soble算子，不知这个soble算子是咋来的，梯度方向怎么来的，看了几篇博文，不是很懂

 非最大值信号抑制：

 上图好像有点明白

高低阈值输出二值图像：

 

函数原型如下：

例子代码：

pic_noise.png原图如下：

 

using Emgu.CV;
using Emgu.CV.Structure;
using Emgu.CV.Util;
using System;
using System.Collections.Generic;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
 
namespace EmguCVDemo2
{
    class Program
    {
        static void Main(string[] args)
        {
 
            Image srcPic = new Image("pic_noise.png");
            ImgCanny(srcPic);
            CvInvoke.WaitKey(0);
            Console.ReadLine();
        }
 
        /// 
        /// Canny边缘检测
        /// 
        /// 
        private static void ImgCanny(Image srcPic)
        {
            Mat dstMat = new Mat();
            CvInvoke.Canny(srcPic, dstMat, 110, 220);
            CvInvoke.Imshow("srcPic", srcPic);
            CvInvoke.Imshow("dstMat", dstMat);
            CvInvoke.WaitKey(0);
        }
 
       
    }
}

 运行结果如下：

 

2  图像阈值化(提取轮廓)

 2.1  固定阈值：Threshold函数原型如下：

第一个参数src为输入图像

第二个参数dst为输出图像

第三个参数threshold是给定的阈值，当第五个参数theasholdType为Binary时，则：

                 value>threshold时，取maxValue

                 value<=threshold时，取0

第四个参数maxValue，当theasholdType为Binary或BinaryInv时才有效

第五个参数取值如下：

 

例子代码如下：

using Emgu.CV;
using Emgu.CV.Structure;
using Emgu.CV.Util;
using System;
using System.Collections.Generic;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
 
namespace EmguCVDemo2
{
    class Program
    {
        static void Main(string[] args)
        {
 
            Image srcPic = new Image("pic_noise.png");
            ImgThreshold(srcPic);
            CvInvoke.WaitKey(0);
            Console.ReadLine();
        }
 
       
 
        /// 
        /// 固定阈值
        /// 
        /// 
        private static void ImgThreshold(Image srcPic)
        {
            //原图先转灰度图
            CvInvoke.CvtColor(srcPic, srcPic, Emgu.CV.CvEnum.ColorConversion.Bgr2Gray);
            Mat dstMat = new Mat();
            //当值灰度值高于100，则取255，其他情况取0(二值化为0,255)
            CvInvoke.Threshold(srcPic, dstMat, 100, 255, Emgu.CV.CvEnum.ThresholdType.Binary);
            CvInvoke.Imshow("srcPic", srcPic);
            CvInvoke.Imshow("dstMat", dstMat);
            CvInvoke.WaitKey(0);
        }
       
    }
}

运行结果如下：

 

2.2 自适应阈值AdaptiveThreshold

函数原型如下：

 各个参数含义如下：

src：源图像

dst：输出图像，与源图像大小一致

adaptiveType：在一个邻域内计算阈值所采用的算法，有两个取值，分别为 MeanC 和 GaussianC。

MeanC的计算方法是计算出领域的平均值再减去第七个参数double param1的值。

GaussianC的计算方法是计算出领域的高斯均值再减去第七个参数double param1的值。

thresholdType：这是阈值类型，有 BINARY 和BINARY_INV等  具体的请看官方的说明，这里不多做解释。

blockSize：adaptiveThreshold的计算单位是像素的邻域块，这是局部邻域大小，3、5、7等。

param1：这个参数实际上是一个偏移值调整量，用均值和高斯计算阈值后，再减或加这个值就是最终阈值。
 

参考代码如下：

using Emgu.CV;
using Emgu.CV.Structure;
using Emgu.CV.Util;
using System;
using System.Collections.Generic;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
 
namespace EmguCVDemo2
{
    class Program
    {
        static void Main(string[] args)
        {
 
            Image srcPic = new Image("pic_noise.png");
            ImgAdaptiveThreshold(srcPic);
            CvInvoke.WaitKey(0);
            Console.ReadLine();
        }
 
       
        /// 
        /// 自适应阈值
        /// 
        /// 
        private static void ImgAdaptiveThreshold(Image srcPic)
        {
            //原图先转灰度图
            CvInvoke.CvtColor(srcPic, srcPic, Emgu.CV.CvEnum.ColorConversion.Bgr2Gray);
            Mat dstMat = new Mat();
 
            CvInvoke.AdaptiveThreshold(srcPic, dstMat, 255, Emgu.CV.CvEnum.AdaptiveThresholdType.GaussianC, Emgu.CV.CvEnum.ThresholdType.Binary, 7, 5);
            CvInvoke.Imshow("srcPic", srcPic);
            CvInvoke.Imshow("dstMat", dstMat);
            CvInvoke.WaitKey(0);
        }
    }
}

 运行结果如下：