前言

使用传统的图像来检测目标边缘，受到干扰的因素太多了，而已鲁棒性不高，同样的参数，在这个环境下可以，换个环境就根本检测不到物体的边缘，或者把不是边缘的也检测进去了。ICCV2015有人提出了整体嵌套边缘检测，就通过深度学习模型执行图像到图像的预测。论文地址：https://arxiv.org/abs/1504.06375,github上的工程：https://github.com/s9xie/hed。这里我使用opencv dnn与c++演示hed边缘检测的效果。

HED边缘检测

1.检测代码

void edgeDetection(cv::Mat &src,cv::Mat &dst,double threshold)
{CV_DNN_REGISTER_LAYER_CLASS(Crop, CropLayer);cv::Mat img = src.clone();cv::Size reso(500, 500);cv::Mat blob = cv::dnn::blobFromImage(img, threshold, reso, cv::Scalar(104.00698793, 116.66876762, 122.67891434), false, false);cv::dnn::Net net = cv::dnn::readNet("model/deploy.prototxt", "model/hed.caffemodel");net.setInput(blob);cv::Mat out = net.forward();cv::resize(out.reshape(1, reso.height), out, img.size());cv::Mat out2;out.convertTo(dst, CV_8UC3, 255);
}int main(void)
{cv::Mat src = cv::imread("1.jpg");cv::namedWindow("原图", 0);cv::imshow("原图", src);resize(src, src, cv::Size(500, 500));cv::Mat dst;edgeDetection(src, dst,2.2);cv::namedWindow("HED", 0);cv::imshow("HED", dst);cv::waitKey(0);return 0;
}

2.运行效果


官网效果：