canny源碼
❶ 跪求canny邊緣檢測運算元的c源代碼
canny運算元代碼
void CreatGauss(double sigma, double **pdKernel, int *pnWidowSize);
void GaussianSmooth(SIZE sz, LPBYTE pGray, LPBYTE pResult, double sigma);
void Grad(SIZE sz, LPBYTE pGray, int *pGradX, int *pGradY, int *pMag);
void NonmaxSuppress(int *pMag, int *pGradX, int *pGradY, SIZE sz, LPBYTE pNSRst);
void EstimateThreshold(int *pMag, SIZE sz, int *pThrHigh, int *pThrLow, LPBYTE pGray,
double dRatHigh, double dRatLow);
void Hysteresis(int *pMag, SIZE sz, double dRatLow, double dRatHigh, LPBYTE pResult);
void TraceEdge(int y, int x, int nThrLow, LPBYTE pResult, int *pMag, SIZE sz);
void Canny(LPBYTE pGray, SIZE sz, double sigma, double dRatLow,
double dRatHigh, LPBYTE pResult);
#include "afx.h"
#include "math.h"
#include "canny.h"
// 一維高斯分布函數，用於平滑函數中生成的高斯濾波系數
void CreatGauss(double sigma, double **pdKernel, int *pnWidowSize)
{
LONG i;
//數組中心點
int nCenter;
//數組中一點到中心點距離
double dDis;
//中間變數
double dValue;
double dSum;
dSum = 0;
// [-3*sigma,3*sigma] 以內數據，會覆蓋絕大部分濾波系數
*pnWidowSize = 1+ 2*ceil(3*sigma);
nCenter = (*pnWidowSize)/2;
*pdKernel = new double[*pnWidowSize];
//生成高斯數據
for(i=0;i<(*pnWidowSize);i++)
{
dDis = double(i - nCenter);
dValue = exp(-(1/2)*dDis*dDis/(sigma*sigma))/(sqrt(2*3.1415926)*sigma);
(*pdKernel)[i] = dValue;
dSum+=dValue;
}
//歸一化
for(i=0;i<(*pnWidowSize);i++)
{
(*pdKernel)[i]/=dSum;
}
}
//用高斯濾波器平滑原圖像
void GaussianSmooth(SIZE sz, LPBYTE pGray, LPBYTE pResult, double sigma)
{
LONG x, y;
LONG i;
//高斯濾波器長度
int nWindowSize;
//窗口長度
int nLen;
//一維高斯濾波器
double *pdKernel;
//高斯系數與圖像數據的點乘
double dDotMul;
//濾波系數總和
double dWeightSum;
double *pdTemp;
pdTemp = new double[sz.cx*sz.cy];
//產生一維高斯數據
CreatGauss(sigma, &pdKernel, &nWindowSize);
nLen = nWindowSize/2;
//x方向濾波
for(y=0;y<sz.cy;y++)
{
for(x=0;x<sz.cx;x++)
{
dDotMul = 0;
dWeightSum = 0;
for(i=(-nLen);i<=nLen;i++)
{
//判斷是否在圖像內部
if((i+x)>=0 && (i+x)<sz.cx)
{
dDotMul+=(double)pGray[y*sz.cx+(i+x)] * pdKernel[nLen+i];
dWeightSum += pdKernel[nLen+i];
}
}
pdTemp[y*sz.cx+x] = dDotMul/dWeightSum;
}
}
//y方向濾波
for(x=0; x<sz.cx;x++)
{
for(y=0; y<sz.cy; y++)
{
dDotMul = 0;
dWeightSum = 0;
for(i=(-nLen);i<=nLen;i++)
{
if((i+y)>=0 && (i+y)< sz.cy)
{
dDotMul += (double)pdTemp[(y+i)*sz.cx+x]*pdKernel[nLen+i];
dWeightSum += pdKernel[nLen+i];
}
}
pResult[y*sz.cx+x] = (unsigned char)dDotMul/dWeightSum;
}
}
delete []pdKernel;
pdKernel = NULL;
delete []pdTemp;
pdTemp = NULL;
}
// 方向導數,求梯度
void Grad(SIZE sz, LPBYTE pGray,int *pGradX, int *pGradY, int *pMag)
{
LONG y,x;
//x方向的方向導數
for(y=1;y<sz.cy-1;y++)
{
for(x=1;x<sz.cx-1;x++)
{
pGradX[y*sz.cx +x] = (int)( pGray[y*sz.cx+x+1]-pGray[y*sz.cx+ x-1] );
}
}
//y方向方向導數
for(x=1;x<sz.cx-1;x++)
{
for(y=1;y<sz.cy-1;y++)
{
pGradY[y*sz.cx +x] = (int)(pGray[(y+1)*sz.cx +x] - pGray[(y-1)*sz.cx +x]);
}
}
//求梯度
//中間變數
double dSqt1;
double dSqt2;
for(y=0; y<sz.cy; y++)
{
for(x=0; x<sz.cx; x++)
{
//二階范數求梯度
dSqt1 = pGradX[y*sz.cx + x]*pGradX[y*sz.cx + x];
dSqt2 = pGradY[y*sz.cx + x]*pGradY[y*sz.cx + x];
pMag[y*sz.cx+x] = (int)(sqrt(dSqt1+dSqt2)+0.5);
}
}
}
//非最大抑制
void NonmaxSuppress(int *pMag, int *pGradX, int *pGradY, SIZE sz, LPBYTE pNSRst)
{
LONG y,x;
int nPos;
//梯度分量
int gx;
int gy;
//中間變數
int g1,g2,g3,g4;
double weight;
double dTmp,dTmp1,dTmp2;
//設置圖像邊緣為不可能的分界點
for(x=0;x<sz.cx;x++)
{
pNSRst[x] = 0;
pNSRst[(sz.cy-1)*sz.cx+x] = 0;
}
for(y=0;y<sz.cy;y++)
{
pNSRst[y*sz.cx] = 0;
pNSRst[y*sz.cx + sz.cx-1] = 0;
}
for(y=1;y<sz.cy-1;y++)
{
for(x=1;x<sz.cx-1;x++)
{
//當前點
nPos = y*sz.cx + x;
//如果當前像素梯度幅度為0，則不是邊界點
if(pMag[nPos] == 0)
{
pNSRst[nPos] = 0;
}
else
{
//當前點的梯度幅度
dTmp = pMag[nPos];
//x,y方向導數
gx = pGradX[nPos];
gy = pGradY[nPos];
//如果方向導數y分量比x分量大，說明導數方向趨向於y分量
if(abs(gy) > abs(gx))
{
//計算插值比例
weight = fabs(gx)/fabs(gy);
g2 = pMag[nPos-sz.cx];
g4 = pMag[nPos+sz.cx];
//如果x,y兩個方向導數的符號相同
//C 為當前像素，與g1-g4 的位置關系為：
//g1 g2
// C
// g4 g3
if(gx*gy>0)
{
g1 = pMag[nPos-sz.cx-1];
g3 = pMag[nPos+sz.cx+1];
}
//如果x,y兩個方向的方向導數方向相反
//C是當前像素，與g1-g4的關系為：
// g2 g1
// C
// g3 g4
else
{
g1 = pMag[nPos-sz.cx+1];
g3 = pMag[nPos+sz.cx-1];
}
}
//如果方向導數x分量比y分量大，說明導數的方向趨向於x分量
else
{
//插值比例
weight = fabs(gy)/fabs(gx);
g2 = pMag[nPos+1];
g4 = pMag[nPos-1];
//如果x,y兩個方向的方向導數符號相同
//當前像素C與 g1-g4的關系為
// g3
// g4 C g2
// g1
if(gx * gy > 0)
{
g1 = pMag[nPos+sz.cx+1];
g3 = pMag[nPos-sz.cx-1];
}
//如果x,y兩個方向導數的方向相反
// C與g1-g4的關系為
// g1
// g4 C g2
// g3
else
{
g1 = pMag[nPos-sz.cx+1];
g3 = pMag[nPos+sz.cx-1];
}
}
//利用 g1-g4 對梯度進行插值
{
dTmp1 = weight*g1 + (1-weight)*g2;
dTmp2 = weight*g3 + (1-weight)*g4;
//當前像素的梯度是局部的最大值
//該點可能是邊界點
if(dTmp>=dTmp1 && dTmp>=dTmp2)
{
pNSRst[nPos] = 128;
}
else
{
//不可能是邊界點
pNSRst[nPos] = 0;
}
}
}
}
}
}
// 統計pMag的直方圖，判定閾值
void EstimateThreshold(int *pMag, SIZE sz, int *pThrHigh, int *pThrLow, LPBYTE pGray,
double dRatHigh, double dRatLow)
{
LONG y,x,k;
//該數組的大小和梯度值的范圍有關，如果採用本程序的演算法
//那麼梯度的范圍不會超過pow(2,10)
int nHist[256];
//可能邊界數
int nEdgeNum;
//最大梯度數
int nMaxMag;
int nHighCount;
nMaxMag = 0;
//初始化
for(k=0;k<256;k++)
{
nHist[k] = 0;
}
//統計直方圖,利用直方圖計算閾值
for(y=0;y<sz.cy;y++)
{
for(x=0;x<sz.cx;x++)
{
if(pGray[y*sz.cx+x]==128)
{
nHist[pMag[y*sz.cx+x]]++;
}
}
}
nEdgeNum = nHist[0];
nMaxMag = 0;
//統計經過「非最大值抑制」後有多少像素
for(k=1;k<256;k++)
{
if(nHist[k] != 0)
{
nMaxMag = k;
}
//梯度為0的點是不可能為邊界點的
//經過non-maximum suppression後有多少像素
nEdgeNum += nHist[k];
}
//梯度比高閾值*pThrHigh 小的像素點總書目
nHighCount = (int)(dRatHigh * nEdgeNum + 0.5);
k=1;
nEdgeNum = nHist[1];
//計算高閾值
while((k<(nMaxMag-1)) && (nEdgeNum < nHighCount))
{
k++;
nEdgeNum += nHist[k];
}
*pThrHigh = k;
//低閾值
*pThrLow = (int)((*pThrHigh) * dRatLow + 0.5);
}
//利用函數尋找邊界起點
void Hysteresis(int *pMag, SIZE sz, double dRatLow, double dRatHigh, LPBYTE pResult)
{
LONG y,x;
int nThrHigh,nThrLow;
int nPos;
//估計TraceEdge 函數需要的低閾值，以及Hysteresis函數使用的高閾值
EstimateThreshold(pMag, sz,&nThrHigh,&nThrLow,pResult,dRatHigh,dRatLow);
//尋找大於dThrHigh的點，這些點用來當作邊界點，
//然後用TraceEdge函數跟蹤該點對應的邊界
for(y=0;y<sz.cy;y++)
{
for(x=0;x<sz.cx;x++)
{
nPos = y*sz.cx + x;
//如果該像素是可能的邊界點，並且梯度大於高閾值，
//該像素作為一個邊界的起點
if((pResult[nPos]==128) && (pMag[nPos] >= nThrHigh))
{
//設置該點為邊界點
pResult[nPos] = 255;
TraceEdge(y,x,nThrLow,pResult,pMag,sz);
}
}
}
//其他點已經不可能為邊界點
for(y=0;y<sz.cy;y++)
{
for(x=0;x<sz.cx;x++)
{
nPos = y*sz.cx + x;
if(pResult[nPos] != 255)
{
pResult[nPos] = 0;
}
}
}
}
//根據Hysteresis 執行的結果，從一個像素點開始搜索，搜索以該像素點為邊界起點的一條邊界的
//一條邊界的所有邊界點，函數採用了遞歸演算法
// 從（x,y)坐標出發，進行邊界點的跟蹤，跟蹤只考慮pResult中沒有處理並且可能是邊界
// 點的像素（=128），像素值為0表明該點不可能是邊界點，像素值為255表明該點已經是邊界點
void TraceEdge(int y, int x, int nThrLow, LPBYTE pResult, int *pMag, SIZE sz)
{
//對8鄰域像素進行查詢
int xNum[8] = {1,1,0,-1,-1,-1,0,1};
int yNum[8] = {0,1,1,1,0,-1,-1,-1};
LONG yy,xx,k;
for(k=0;k<8;k++)
{
yy = y+yNum[k];
xx = x+xNum[k];
if(pResult[yy*sz.cx+xx]==128 && pMag[yy*sz.cx+xx]>=nThrLow )
{
//該點設為邊界點
pResult[yy*sz.cx+xx] = 255;
//以該點為中心再進行跟蹤
TraceEdge(yy,xx,nThrLow,pResult,pMag,sz);
}
}
}
// Canny運算元
void Canny(LPBYTE pGray, SIZE sz, double sigma, double dRatLow,
double dRatHigh, LPBYTE pResult)
{
//經過高斯濾波後的圖像
LPBYTE pGaussSmooth;
pGaussSmooth = new unsigned char[sz.cx*sz.cy];
//x方向導數的指針
int *pGradX;
pGradX = new int[sz.cx*sz.cy];
//y方向
int *pGradY;
pGradY = new int[sz.cx*sz.cy];
//梯度的幅度
int *pGradMag;
pGradMag = new int[sz.cx*sz.cy];
//對原圖高斯濾波
GaussianSmooth(sz,pGray,pGaussSmooth,sigma);
//計算方向導數和梯度的幅度
Grad(sz,pGaussSmooth,pGradX,pGradY,pGradMag);
//應用非最大抑制
NonmaxSuppress(pGradMag,pGradX,pGradY,sz,pResult);
//應用Hysteresis，找到所有邊界
Hysteresis(pGradMag,sz,dRatLow,dRatHigh,pResult);
delete[] pGradX;
pGradX = NULL;
delete[] pGradY;
pGradY = NULL;
delete[] pGradMag;
pGradMag = NULL;
delete[] pGaussSmooth;
pGaussSmooth = NULL;
}
/*
void CChildWnd::OnCanny()
{
if (! m_fOpenFile)
{
return;
}
m_fDone = TRUE;
RGBToGray(szImg, aRGB, aGray, BPP);
Canny(aGray,szImg,0.1,0.9,0.76,aBinImg);
ShowGrayImage("l",szImg,aBinImg);
}
//*/
❷ 如何查找openCV函數源代碼
1、首先要熟悉openCV安裝目錄，例如我的安裝目錄是F:\program files\opencv2.3.1。在這個目錄下面還有很多子目錄：3rdparty、android、build,data、doc、include、moles、samples和很多cmake文件。對於編程來說，僅僅需要build這一個文件夾就可以了，因為編程環境的配置只與這一個目錄有關，如：包含目錄配置、庫目錄配置build目錄是編譯生成的目錄，就是用openCV源代碼編譯生成的2進制庫文件集（dll、lib和入口頭文件include）。
2、那其他文件夾下的文件都是幹嘛用的呢？其實源代碼就包含在這些文件夾下面，因為build文件夾就是在其他文件夾的基礎上CMake編譯生成的
例如，core文件夾下就包含了基本數據類型的定義，imgproc文件夾下包含了常用的數字圖像處理函數源代碼：如cvCanny()、cvSobel（）。
3、用CMake導出opencv 源碼，生成VC++項目，然後用vs打開工程，去裡面搜索整個工程
❸ 求Canny運算元邊緣檢測C源代碼 要求在visual studio 6.0或者2010下運行沒有錯誤
已經發到你的郵箱了，VC6.0的程序，帶實驗圖片和實驗結果。
❹ matlab canny運算元邊緣檢測函數代碼
I = imread('lena.bmp'); %%如果是其他類型圖像,請先轉換為灰度圖
%%沒有雜訊時的檢測結果
BW_sobel = edge(I,'sobel');
BW_prewitt = edge(I,'prewitt');
BW_roberts = edge(I,'roberts');
BW_laplace = edge(I,'log');
BW_canny = edge(I,'canny'); figure(1);
subplot(2,3,1),imshow(I),xlabel('原始圖像');
subplot(2,3,2),imshow(BW_sobel),xlabel('sobel檢測');
subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt檢測');
subplot(2,3,4),imshow(BW_roberts),xlabel('roberts檢測');
subplot(2,3,5),imshow(BW_laplace),xlabel('laplace檢測');
subplot(2,3,6),imshow(BW_canny),xlabel('canny檢測');
%%加入高斯雜訊（μ=0，σ^2=0.01）檢測結果
I_g1 = imnoise(I,'gaussian',0,0.01);
BW_sobel = edge(I_g1,'sobel');
BW_prewitt = edge(I_g1,'prewitt');
BW_roberts = edge(I_g1,'roberts');
BW_laplace = edge(I_g1,'log');
BW_canny = edge(I_g1,'canny'); figure(2);
subplot(2,3,1),imshow(I_g1),xlabel('加入高斯雜訊(μ=0，σ^2=0.01)圖像');
subplot(2,3,2),imshow(BW_sobel),xlabel('sobel檢測');
subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt檢測');
subplot(2,3,4),imshow(BW_roberts),xlabel('roberts檢測');
subplot(2,3,5),imshow(BW_laplace),xlabel('laplace檢測');
subplot(2,3,6),imshow(BW_canny),xlabel('canny檢測');
%%加入高斯雜訊（μ=0，σ^2=0.02）檢測結果
I_g2 = imnoise(I,'gaussian',0,0.02);
BW_sobel = edge(I_g2,'sobel');
BW_prewitt = edge(I_g2,'prewitt');
BW_roberts = edge(I_g2,'roberts');
BW_laplace = edge(I_g2,'log');
BW_canny = edge(I_g2,'canny'); figure(3);
subplot(2,3,1),imshow(I_g2),xlabel('加入高斯雜訊(μ=0，σ^2=0.02)圖像');
subplot(2,3,2),imshow(BW_sobel),xlabel('sobel檢測');
subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt檢測');
subplot(2,3,4),imshow(BW_roberts),xlabel('roberts檢測');
subplot(2,3,5),imshow(BW_laplace),xlabel('laplace檢測');
subplot(2,3,6),imshow(BW_canny),xlabel('c
❺ Canny函數在這里用為什麼會報錯
我這可以運行啊，是不是沒配置好庫和包含？
❻ 高分求Canny運算元的C#源代碼，要一定可用的，一定是C#的，跪求，可追加分數，郵箱[email protected]
Image<Bgr, Byte> img = new Image<Bgr, byte>("c://1.jpg");
//MCvFont font = new MCvFont(FONT.CV_FONT_HERSHEY_COMPLEX, 1.0, 1.0);
//img.Draw("Hello World",ref font,new Point (10,100),new Bgr (0,0,0) );
//CvInvoke.cvShowImage (WinName ,img );
//pictureBox1.Image = img.ToBitmap();
//CvInvoke.cvWaitKey(0);
//CvInvoke.cvDestroyWindow(WinName );
Image<Gray, byte> img1 = img.Convert<Gray, byte>();
Image<Gray, byte> img2 = img1.Canny(new Gray(100), new Gray(60));
CvInvoke.cvShowImage("1",img );
pictureBox1.Image = img2.ToBitmap();
❼ canny運算元能處理24點陣圖像嗎
可以處理。你把裡面對像素處理的句子改一下就成。如果你在8為的時候提取一個像素是p[i],那麼在24位下應改為：
p[3*i],p[3*i+1],p[3*i+2],分別代表像素的三個8位。即如果要進行灰度變換，8位下就是p[i]=111;,如果是24位的，就要變為：
p[3*i]=111；
p[3*i+1]=111；
p[3*i+2]=111；
再者，你也可以把24點陣圖像灰度化後改為8位的，然後用你下載的程序處理
❽ Canny運算元的Matlab源碼，有顯示結果
Canny edge detector algorithm matlab codes
This part gives the algorithm of Canny edge detector. The outputs are six subfigures shown in the same figure:
* Subfigure 1: The initial "lena"
* Subfigure 2: Edge detection along X-axis direction
* Subfigure 3: Edge detection along Y-axis direction
* Subfigure 4: The Norm of the image gradient
* Subfigure 5: The Norm of the gradient after thresholding
* Subfigure 6: The edges detected by thinning
The matlab codes:
%%%%%%%%%%%%% The main.m file %%%%%%%%%%%%%%%
clear;
% The algorithm parameters:
% 1. Parameters of edge detecting filters:
% X-axis direction filter:
Nx1=10;Sigmax1=1;Nx2=10;Sigmax2=1;Theta1=pi/2;
% Y-axis direction filter:
Ny1=10;Sigmay1=1;Ny2=10;Sigmay2=1;Theta2=0;
% 2. The thresholding parameter alfa:
alfa=0.1;
% Get the initial image lena.gif
[x,map]=gifread('lena.gif');
w=ind2gray(x,map);
figure(1);colormap(gray);
subplot(3,2,1);
imagesc(w,200);
title('Image: lena.gif');
% X-axis direction edge detection
subplot(3,2,2);
filterx=d2dgauss(Nx1,Sigmax1,Nx2,Sigmax2,Theta1);
Ix= conv2(w,filterx,'same');
imagesc(Ix);
title('Ix');
% Y-axis direction edge detection
subplot(3,2,3)
filtery=d2dgauss(Ny1,Sigmay1,Ny2,Sigmay2,Theta2);
Iy=conv2(w,filtery,'same');
imagesc(Iy);
title('Iy');
% Norm of the gradient (Combining the X and Y directional derivatives)
subplot(3,2,4);
NVI=sqrt(Ix.*Ix.*Iy);
imagesc(NVI);
title('Norm of Gradient');
% Thresholding
I_max=max(max(NVI));
I_min=min(min(NVI));
level=alfa*(I_max-I_min)_min;
subplot(3,2,5);
Ibw=max(NVI,level.*ones(size(NVI)));
imagesc(Ibw);
title('After Thresholding');
% Thinning (Using interpolation to find the pixels where the norms of
% gradient are local maximum.)
subplot(3,2,6);
[n,m]=size(Ibw);
for i=2:n-1,
for j=2:m-1,
if Ibw(i,j) > level,
X=[-1,0,;-1,0,;-1,0,];
Y=[-1,-1,-1;0,0,0;,,];
Z=[Ibw(i-1,j-1),Ibw(i-1,j),Ibw(i-1,j);
Ibw(i,j-1),Ibw(i,j),Ibw(i,j);
Ibw(i,j-1),Ibw(i,j),Ibw(i,j)];
XI=[Ix(i,j)/NVI(i,j), -Ix(i,j)/NVI(i,j)];
YI=[Iy(i,j)/NVI(i,j), -Iy(i,j)/NVI(i,j)];
ZI=interp2(X,Y,Z,XI,YI);
if Ibw(i,j) >= ZI(1) & Ibw(i,j) >= ZI(2)
I_temp(i,j)=I_max;
else
I_temp(i,j)=I_min;
end
else
I_temp(i,j)=I_min;
end
end
end
imagesc(I_temp);
title('After Thinning');
colormap(gray);
%%%%%%%%%%%%%% End of the main.m file %%%%%%%%%%%%%%%
%%%%%%% The functions used in the main.m file %%%%%%%
% Function "d2dgauss.m":
% This function returns a 2D edge detector (first order derivative
% of 2D Gaussian function) with size n1*n2; theta is the angle that
% the detector rotated counter clockwise; and sigma1 and sigma2 are the
% standard deviation of the gaussian functions.
function h = d2dgauss(n1,sigma1,n2,sigma2,theta)
r=[cos(theta) -sin(theta);
sin(theta) cos(theta)];
for i = 1 : n2
for j = 1 : n1
u = r * [j-(n1)/2 i-(n2)/2]';
h(i,j) = gauss(u(1),sigma1)*dgauss(u(2),sigma2);
end
end
h = h / sqrt(sum(sum(abs(h).*abs(h))));
% Function "gauss.m":
function y = gauss(x,std)
y = exp(-x^2/(2*std^2)) / (std*sqrt(2*pi));
% Function "dgauss.m"(first order derivative of gauss function):
function y = dgauss(x,std)
y = -x * gauss(x,std) / std^2;
%%%%%%%%%%%%%% end of the functions %%%%%%%%%%%%%
❾ 如何查看Opencv中自帶內部函數的源代碼
opencv都帶有這個函數的代碼，你在用的時候，選擇函數，然後右鍵選擇」go to denifition of cvCalOpticalFlowHS"--->然後就會跳 到定義cvCalOpticalFlowHS的定義文件，就會跳到cv.h頭文件來（說明cvCalOpticalFlowHS在cv.h文件中定義的），然後你去cv.cpp文件，按"Ctrl+F" 輸入函數名進行搜索，就能找到cvCalOpticalFlowHS函數的源文件了。
1、首先要熟悉openCV安裝目錄，例如我的安裝目錄是F:\program files\opencv2.3.1。在這個目錄下面還有很多子目錄：3rdparty、android、build,data、doc、include、moles、samples和很多cmake文件。對於編程來說，僅僅需要build這一個文件夾就可以了，因為編程環境的配置只與這一個目錄有關，如：包含目錄配置、庫目錄配置build目錄是編譯生成的目錄，就是用openCV源代碼編譯生成的2進制庫文件集（dll、lib和入口頭文件include）。
2、那其他文件夾下的文件都是幹嘛用的呢？其實源代碼就包含在這些文件夾下面，因為build文件夾就是在其他文件夾的基礎上CMake編譯生成的
例如，core文件夾下就包含了基本數據類型的定義，imgproc文件夾下包含了常用的數字圖像處理函數源代碼：如cvCanny()、cvSobel（）。
3、用CMake導出opencv 源碼，生成VC++項目，然後用vs打開工程，去裡面搜索整個工程
❿ 【重金懸賞啦~~~】有沒有知道Matlab圖像去噪程序代碼，和Matlab 圖像灰度化代碼的高手啊
canny邊緣檢測
I=imread('lena.bmp'); %讀灰度圖lena.bmp
%Canny edge detector
th=[0.05 0.2];
E=edge(I,'canny',th);
E=uint8(255*(1-double(E)));
figure('name','canny'),imshow(uint8(E),'truesize');
sobel邊緣檢測
I=imread('lena.bmp'); %讀灰度圖lena.bmp
%sobel edge detector
E=edge(I,'sobel',0.08);
E=uint8(255*(1-double(E)));
figure('name','canny'),imshow(uint8(E),'truesize');