opencv将图像转化为灰度图，然后边缘检测

1：代码如下：

#include "stdafx.h"
#include "highgui.h"
#include "cv.h"
#include "iostream"
using namespace std;
IplImage* doCanny(IplImage* in,double lowThresh,double highThresh,double aperture)
{
    if(in->nChannels !=1) //只对应于单通道，即灰度图
    {
        cout<<"不是灰度图"<<endl;
        return 0;
    }
    //创建首地址并分配存储空间IplImage* cvCreateImage( CvSize size, int depth, int channels );
    //size 图像宽、高
    //depth 图像元素的位深度,IPL_DEPTH_8U - 无符号8位整型
    //channels 每个元素（像素）通道数.可以是 1, 2, 3 或 4
    IplImage* out=cvCreateImage(cvGetSize(in),IPL_DEPTH_8U,1);
    //图像的边缘检测（采用canny算法）
    //函数 cvCanny 采用 Canny 算法发现输入图像的边缘而且在输出图像中标识这些边缘。
    //threshold1和threshold2 当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割。
    //void cvCanny( const CvArr* image,CvArr* edges,double threshold1,double threshold2, int aperture_size=3 )
    //image 输入单通道图像（可以是彩色图像）对于多通道的图像可以用cvCvtColor()修改
    //edges 输出的边缘图像 ，也是单通道的，但是是黑白的
    //threshold1 第一个阈值
    //threshold2 第二个阈值
    //aperture_size Sobel 算子内核大小
    cvCanny(in,out,lowThresh,highThresh,aperture);
    return out;
}
int main(int argc, char* argv[])
{
    IplImage* img=cvLoadImage("C:\\horse.jpg");
    cvNamedWindow("Example-in");
    cvShowImage("Example-in",img);
    IplImage* outgray=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);
    cvCvtColor( img, outgray, CV_BGR2GRAY );//转化为灰度图，cvCvtColor(原图, 处理后的图, 不同类型的颜色空间转换)
    cvNamedWindow("Example-outgray");
    cvShowImage("Example-outgray",outgray);
    cvNamedWindow("Example-out");
    cvShowImage("Example-out",doCanny(outgray,80,150,3));
    cvWaitKey(0);
    cvReleaseImage(&img);
    cvReleaseImage(&outgray);
    cvDestroyWindow("Example-in");
    cvDestroyWindow("Example-outgray");
    cvDestroyWindow("Example-out");
    return 0;
}

2：运行结果如下：