​[BBB试用之旅7] 使用openCV捕获摄像头图片，并作边缘检测

xianting77

系列阅读：https://jingyan.eeboard.com/category/53
openCV首先将我参考的案例放在这里https://derekmolloy.ie/beaglebone/beaglebone-video-... 东西确实做得好，多学习学习总没有坏处。
先确认下本篇需要的库环境 一个是openCV版本

另外查看下摄像头支持的格式，了解V4L2驱动的情况：

1. 首先下载derekmolloy分享在Git 上的代码boneCV 软件包   
git clone git://github.com/derekmolloy/bone  ，下图是boneCV 软件包的详细内容

再把boneCV 源代码贴出来 分析一下，包含了摄像头截图，并作边沿检测的功能，Canny 算子的目标是找到一个最优的边缘检测算法。
#include<iostream>
#include<opencv2/opencv.hpp>
usingnamespacestd;
usingnamespacecv;
intmain()
{
VideoCapture capture(0);                                     //打开视频文件：建立一个VideoCapture结构，或者可以手动载入图片
//Mat srcImage = imread("/Users/YWY/Pictures/house.jpg");
capture.set(CV_CAP_PROP_FRAME_WIDTH,1024);           //设置图片分辨率
capture.set(CV_CAP_PROP_FRAME_HEIGHT,768);
if(!capture.isOpened()){                                       //检测是否正常打开:成功打开时，isOpened返回ture

cout<<"Failed to connect to the camera."<<endl;
}
Mat frame,edges;   
capture>>frame;
if(frame.empty()){
cout<<"Failed to capture an image"<<endl;
return-1;
}
cvtColor(frame,edges,CV_BGR2GRAY);                、/转换为灰度图，参数CV_BGR2GRAY则是OpenCV2中的用法中的用法
//          blur( grayImage, edge, Size(3,3) );               //或可调用Blur 模糊化
Canny(edges,edges,0,30,3);                                  //运行Canny算子，3为threshold1，9为threshold2                     
imwrite("edges.png",edges);
imwrite("capture.png",frame);
return0;
}

顺便了解下Canny函数，如下摘自其它博文
void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )

• 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。
  
• 第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。
  
• 第三个参数，double类型的threshold1，第一个滞后性阈值。
  
• 第四个参数，double类型的threshold2，第二个滞后性阈值。
  
• 第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。
  
• 第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。
  

边缘检测的一般步骤：边缘检测的一般步骤：

• 滤波：边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。
  
• 增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。
  
• 检测：经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是我们要找的边缘点，所以应该采用某种方法来对这些点进行取舍。实际工程中，常用的方法是通过阈值化方法来检测。
  

2. 执行编译

3. 运行,虽然有很多invalid argument 的信息，按derek视频的解释是这个小警告不影响结果的，只要没有报错或者timeout就都是可以产生边缘检测结果的。

4,结果 ，将图片通过sftp 传送到笔记本电脑的ubuntu上查看 ，对边缘检测并无太多研究，当作是一次试验吧，第一张边缘检测的直线部分还是清晰可见的。如果各位看官有任何改进建议可随时跟贴留言。多谢了。



来一张小图示意下。