• 操作系統：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 編程語言：C++11

算法描述

使用Canny算法在圖像中查找邊緣。

該函數在輸入圖像中查找邊緣，并使用Canny算法在輸出映射（edges）中標記它們。在邊緣連接過程中，會使用threshold1和threshold2之間的較小值。而較大值則用于找到強烈邊緣的初始段。詳情請參見：Canny邊緣檢測器

cv::gapi::Canny 是 OpenCV 的 G-API 模塊中用于檢測圖像邊緣的函數。G-API 是 OpenCV 中的一個模塊，它提供了一種新的方式來處理圖像和視頻流，通過定義圖形操作然后在不同的后端上執行它們。

注意：
函數文本ID為"org.opencv.imgproc.feature.canny"

函數原型

GMat cv::gapi::Canny
(const GMat &  	image,double  	threshold1,double  	threshold2,int  	apertureSize = 3,bool  	L2gradient = false 
) 		

參數

• 參數 image: 8位輸入圖像。
• 參數 threshold1: 滯后閾值法的第一個閾值。
• 參數 threshold2: 滯后閾值法的第二個閾值。
• 參數 apertureSize: 用于Sobel算子的孔徑大小。
• 參數 L2gradient: 一個標志，指示是否應該使用更精確的L2范數$norm=\sqrt{(dI/dx{)}^2+(dI/dy{)}^2}$

?來計算圖像梯度幅度（當L2gradient=true時），或者默認的L1范數=|dI/dx|+|dI/dy|是否足夠（當L2gradient=false時）。

代碼示例

#include <opencv2/opencv.hpp>
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp> // 包含核心功能
#include <opencv2/gapi/imgproc.hpp> // 包含圖像處理功能int main() {// 讀取輸入圖像cv::Mat bgr_img = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png");if (bgr_img.empty()) {std::cerr << "Error: Image not found!" << std::endl;return -1;}// 將BGR圖像轉換為灰度圖像cv::Mat gray_img;cv::cvtColor(bgr_img, gray_img, cv::COLOR_BGR2GRAY);// 定義G-API圖cv::GMat in;auto edges = cv::gapi::Canny(in, 50, 150, 3, false); cv::GComputation comp(cv::GIn(in), cv::GOut(edges));// 創建輸出矩陣cv::Mat out_edges;// 應用計算圖并執行邊緣檢測comp.apply(cv::gin(gray_img), cv::gout(out_edges),cv::compile_args(cv::gapi::kernels()));// 顯示原始圖像和邊緣檢測結果cv::imshow("Original Image", bgr_img);cv::imshow("Edges Detected", out_edges);cv::waitKey(0); // 等待按鍵return 0;
}

運行結果