Canny边缘算法中阈值的调整 我想尝试文字识别，所以我用OpenCV来跟踪边缘和C++来寻找斜率、曲线等，边缘算法在大而整洁的字符集上很好，但是当它针对小的打印文本或文本时，嵌入了CAPTCHA中的许多背景噪声，它就挣扎着，看起来不完整。我的猜测是，我没有正确设置阈值，尝试了不同的值，但没有成功

这是我的密码：

#include "cv.h"
#include "highgui.h"
using namespace cv;
const int low_threshold  = 50;
const int high_threshold = 150;


int main()
{

    IplImage* newImg; 
    IplImage* grayImg; 
    IplImage* cannyImg; 

    newImg = cvLoadImage("ocv.bmp",1);

    grayImg = cvCreateImage( cvSize(newImg->width, newImg->height), IPL_DEPTH_8U, 1 );

    cvCvtColor( newImg, grayImg, CV_BGR2GRAY );
    cannyImg = cvCreateImage(cvGetSize(newImg), IPL_DEPTH_8U, 1);

    cvCanny(grayImg, cannyImg, low_threshold, high_threshold, 3);
    cvNamedWindow   ("Source", 1);
    cvNamedWindow   ("Destination",1);
    cvShowImage     ("Source", newImg );
    cvShowImage     ("Destination", cannyImg );
    cvWaitKey(0);
    cvDestroyWindow ("Source" );
    cvDestroyWindow ("Destination" );
    cvReleaseImage  (&newImg );
    cvReleaseImage  (&grayImg );
    cvReleaseImage  (&cannyImg );

return 0;

}

我在网上看到了一些复杂的阈值条件，如来自此站点的代码：

% Set direction to either 0, 45, -45 or 90 depending on angle.
[x,y]=size(f1);
for i=1:x-1,
    for j=1:y-1,
        if ((gradAngle(i,j)>67.5 && gradAngle(i,j)<=90) || (gradAngle(i,j)>=-90 && gradAngle(i,j)<=-67.5)) 
            gradDirection(i,j)=0;
        elseif ((gradAngle(i,j)>22.5 && gradAngle(i,j)<=67.5))
            gradDirection(i,j)=45;
        elseif ((gradAngle(i,j)>-22.5 && gradAngle(i,j)<=22.5))
            gradDirection(i,j)=90;
        elseif ((gradAngle(i,j)>-67.5 && gradAngle(i,j)<=-22.5))
            gradDirection(i,j)=-45;
        end
    end
end

%根据角度将方向设置为0、45、-45或90。
[x，y]=尺寸（f1）；
对于i=1:x-1，
对于j=1:y-1，
如果（（gradAngle（i，j）>67.5&&gradAngle（i，j）=-90&&gradAngle（i，j）22.5&&gradAngle（i，j）-22.5&&gradAngle（i，j）-67.5&&gradAngle（i，j）Canny边缘检测器是一种使用滞后阈值（它使用两个阈值而不是一个）和边缘跟踪（您的最后一个片段是此步骤的一部分）的多步检测器。我建议先阅读条目。一个可能的解决方案是选择高阈值，例如，70%的图像像素将被分类为边缘（最初-您可以使用直方图快速完成此操作），而不是选择低阈值，例如高阈值的40%。尝试对图像块而不是整个图像执行边缘检测可能是一个好主意，因此您的算法可以为不同区域计算不同的阈值

请注意，CAPTCHA-s被设计为难以分割，添加破坏边缘检测的噪声是实现这一点的一种技术（您可能需要先平滑图像）.
我没有使用openCV，但您也可以先使用canny边缘检测器的sigma参数。您必须从梯度幅值图像的直方图计算这些值，对吗？