在opencv-rust中使用Canny边缘检测与轮廓绘制

概述

本文将介绍如何在Rust中使用opencv-rust库实现Canny边缘检测算法，并将检测到的边缘轮廓绘制到原始图像上。Canny边缘检测是计算机视觉中常用的技术，能够有效地识别图像中的边缘信息。

实现步骤

1. 图像读取与预处理

首先需要读取原始彩色图像，然后将其转换为灰度图像。这是因为Canny边缘检测通常在单通道灰度图像上执行效果最佳。

let mut img: Mat = imgcodecs::imread(origin_path, imgcodecs::IMREAD_COLOR)?;
let mut gray: Mat = Mat::default();
cvt_color(&img, &mut gray, COLOR_BGR2GRAY, 0)?;

2. 应用Canny边缘检测

Canny算法需要设置两个阈值参数：

• 低阈值：用于边缘连接
• 高阈值：用于强边缘检测
• 孔径大小：Sobel算子的大小

let mut edges: Mat = Mat::default();
canny(&gray, &mut edges, 100.0, 200.0, 3, false)?;

3. 查找轮廓

检测到边缘后，使用find_contours函数查找图像中的轮廓。这里需要注意函数参数：

• RETR_EXTERNAL表示只检测最外层轮廓
• CHAIN_APPROX_SIMPLE压缩水平、垂直和对角线段，只保留端点

let mut contours = Vector::<Vector<Point>>::new();
find_contours(
    &edges,
    &mut contours,
    RETR_EXTERNAL,
    CHAIN_APPROX_SIMPLE,
    Point::default(),
)?;

4. 绘制轮廓到原始图像

将检测到的轮廓绘制到原始彩色图像上，使用绿色线条表示边缘：

draw_contours(
    &mut img,
    &contours,
    -1,  // 绘制所有轮廓
    Scalar::new(0.0, 255.0, 0.0, 0.0),  // 绿色
    1,  // 线宽
    LINE_8.into(),
    &Mat::default(),
    i32::MAX,
    Point::default(),
)?;

5. 保存结果

最后将处理后的图像保存到指定路径：

imgcodecs::imwrite(destination_path, &img, &Vector::new())?;

参数调优建议

1. Canny阈值：100和200是常用起始值，可根据具体图像调整

   • 高阈值太低会导致过多噪声
   • 高阈值太高会丢失重要边缘

2. 轮廓检测模式：

   • RETR_EXTERNAL：仅最外层轮廓
   • RETR_LIST：所有轮廓无层次结构
   • RETR_TREE：完整层次结构

3. 轮廓近似方法：

   • CHAIN_APPROX_NONE：存储所有轮廓点
   • CHAIN_APPROX_SIMPLE：压缩冗余点

性能优化

1. 使用并行处理批量处理图像
2. 对于大图像，可考虑降采样后再处理
3. 合理设置Canny阈值减少后续处理数据量

应用场景

这种技术可用于：

• 图像特征提取
• 物体识别预处理
• 图像分割
• 工业检测中的缺陷识别

通过调整参数和后续处理，可以适应不同场景的需求。