C++ 区别于；“边缘检测”；及；图像轮廓“；

我正在编写以下代码：

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace std;
using namespace cv;

Mat src, grey;
int thresh = 10;

const char* windowName = "Contours";

void detectContours(int,void*);

int main()
{
    src = imread("C:/Users/Public/Pictures/Sample Pictures/Penguins.jpg");

    //Convert to grey scale
    cvtColor(src,grey,CV_BGR2GRAY);

    //Remove the noise
    cv::GaussianBlur(grey,grey,Size(3,3),0);

    //Create the window
    namedWindow(windowName);

    //Display the original image
    namedWindow("Original");
    imshow("Original",src);

    //Create the trackbar
    cv::createTrackbar("Thresholding",windowName,&thresh,255,detectContours);

    detectContours(0,0);
    waitKey(0);
    return 0;

}

void detectContours(int,void*)
{
    Mat canny_output,drawing;

    vector<vector<Point>> contours;
    vector<Vec4i>heirachy;

    //Detect edges using canny
    cv::Canny(grey,canny_output,thresh,2*thresh);

    namedWindow("Canny");
    imshow("Canny",canny_output);

    //Find contours
    cv::findContours(canny_output,contours,heirachy,CV_RETR_TREE,CV_CHAIN_APPROX_SIMPLE,Point(0,0));

    //Setup the output into black
    drawing = Mat::zeros(canny_output.size(),CV_8UC3);



    //Draw contours
    for(int i=0;i<contours.size();i++)
    {
        cv::drawContours(drawing,contours,i,Scalar(255,255,255),1,8,heirachy,0,Point());
    }

    imshow(windowName,drawing);

}

#包括
#包括
#包括
#包括
使用名称空间std；
使用名称空间cv；
Mat src，灰色；
int thresh=10；
const char*windowName=“等高线”；
空洞探测孔（int，void*）；
int main（）
{
src=imread（“C:/Users/Public/Pictures/Sample Pictures/Penguins.jpg”）；
//转换为灰度
CVT颜色（src、灰色、CV_BGr2灰色）；
//消除噪音
cv：：高斯蓝（灰色，灰色，大小（3,3），0）；
//创建窗口
namedWindow（windowName）；
//显示原始图像
姓名（以下简称“原件”）；
imshow（“原件”，src）；
//创建轨迹栏
cv:：createTrackbar（“阈值化”，windowName，&thresh，255，detectContours）；
检测孔（0,0）；
等待键（0）；
返回0；
}
无效检测孔（int，void*）
{
Mat canny_输出、绘图；
矢量等值线；
矢量遗传；
//使用canny算法检测边缘
cv：：Canny（灰色，Canny_输出，阈值，2*阈值）；
namedWindow（“精明”）；
imshow（“Canny”，Canny_输出）；
//寻找轮廓
cv:：findContours（canny_输出、轮廓、继承、cv_RETR_树、cv_链近似、点（0,0））；
//将输出设置为黑色
drawing=Mat:：zeros（canny_output.size（），CV_8UC3）；
//画轮廓
对于（int i=0；i等高线实际上可以做的不仅仅是“仅”检测边缘。该算法确实可以找到图像的边缘，但也可以将它们放在一个层次结构中。这意味着您可以请求在图像中检测到的对象的外部边界。如果只检查边缘，则（直接）不可能做到这一点

从文档中可以看出，检测轮廓主要用于对象识别，而canny边缘检测器则更具“全局性”操作。如果轮廓算法使用某种精明的边缘检测，我不会感到惊讶。
查找边缘和计数之间的主要区别在于，如果运行查找边缘，输出的是新图像。在这张新（边缘图像）图像中，您将突出显示边缘。有许多用于检测边缘的算法

例如，Sobel运算符给出平滑的“模糊”结果。在您的特定情况下，关键是您使用的是Canny边缘检测器。此检测器比其他检测器更进一步。它实际上运行进一步的边缘细化步骤。因此，Canny检测器的输出是二值图像，用1像素宽的线代替边缘

另一方面，
等高线
算法处理任意二值图像。因此，如果您在黑色背景上放入白色填充正方形。运行
等高线
算法后，您将得到白色空白正方形，只有边框

轮廓检测的另一个额外好处是，它实际上返回一组点！这很好，因为您可以进一步使用这些点进行某些处理

在您的特殊情况下，两幅图像匹配只是巧合。这不是规则，在您的情况下，这是因为Canny算法的独特属性。
边缘被计算为图像梯度方向上的极值点。
如果有帮助，可以将其视为一维函数中的最小点和最大点。
关键是，边缘像素是一个局部概念：它们只是指出相邻像素之间的显著差异

轮廓通常是从边缘获得的，但它们的目标是对象轮廓。
因此，它们需要是闭合曲线。
你可以把它们看作是边界（一些图像处理算法和图书馆这样称呼它们）。
从边缘获取轮廓时，需要连接边缘以获得闭合轮廓。
轮廓的概念用作处理边缘数据的工具。并非所有边缘都是相同的。但在许多情况下，例如，具有单峰颜色分布（即一种颜色）的对象，边缘是实际轮廓（轮廓、形状）

不仅检测曲线，还检测边缘贴图上连接的任何东西。（连接组件分析）[1]
适用于具有单峰颜色分布的对象（使用简单的阈值很容易找到前景遮罩）。您的示例图像不适用
[1] 数字化二进制文件的拓扑结构分析
Satoshi Suzuki，1985年出版的《按边框排列的图像》。
我建议在cv:：Canny（）之前使用cv:：GaussianBlur（）。这样可以在保留主边缘的同时去除大部分杂乱。因为findContours（）用于二值图像，如果它使用Canny边缘检测器，我会非常惊讶。Sobel不是真正的边缘检测器，它只是提供梯度。Canny却找到了最大梯度，即梯度中的峰值。Canny（）的OpenCV实现实际上使用了Sobel（）在它的前端。非常感谢你的回复。我真的很感激：）那么，等高线总是在它们开始的地方结束？这有区别吗？是的，等高线是闭合的，而边可能是（多边形的）线条。那么，为什么这两个结果几乎相同？或者，这张图像在显示
边缘
和
轮廓
之间的差异时不好吗？