• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

使用Canny算法在图像中查找边缘。

该函数在输入图像中查找边缘，并使用Canny算法在输出映射（edges）中标记它们。在边缘连接过程中，会使用threshold1和threshold2之间的较小值。而较大值则用于找到强烈边缘的初始段。详情请参见：Canny边缘检测器

cv::gapi::Canny 是 OpenCV 的 G-API 模块中用于检测图像边缘的函数。G-API 是 OpenCV 中的一个模块，它提供了一种新的方式来处理图像和视频流，通过定义图形操作然后在不同的后端上执行它们。

注意：
函数文本ID为"org.opencv.imgproc.feature.canny"

函数原型

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

参数

• 参数 image: 8位输入图像。
• 参数 threshold1: 滞后阈值法的第一个阈值。
• 参数 threshold2: 滞后阈值法的第二个阈值。
• 参数 apertureSize: 用于Sobel算子的孔径大小。
• 参数 L2gradient: 一个标志，指示是否应该使用更精确的L2范数$norm=\sqrt{(dI/dx{)}^2+(dI/dy{)}^2}$

​来计算图像梯度幅度（当L2gradient=true时），或者默认的L1范数=|dI/dx|+|dI/dy|是否足够（当L2gradient=false时）。

代码示例

#include <opencv2/opencv.hpp>
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp> // 包含核心功能
#include <opencv2/gapi/imgproc.hpp> // 包含图像处理功能int main() {// 读取输入图像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;}// 将BGR图像转换为灰度图像cv::Mat gray_img;cv::cvtColor(bgr_img, gray_img, cv::COLOR_BGR2GRAY);// 定义G-API图cv::GMat in;auto edges = cv::gapi::Canny(in, 50, 150, 3, false); cv::GComputation comp(cv::GIn(in), cv::GOut(edges));// 创建输出矩阵cv::Mat out_edges;// 应用计算图并执行边缘检测comp.apply(cv::gin(gray_img), cv::gout(out_edges),cv::compile_args(cv::gapi::kernels()));// 显示原始图像和边缘检测结果cv::imshow("Original Image", bgr_img);cv::imshow("Edges Detected", out_edges);cv::waitKey(0); // 等待按键return 0;
}

运行结果