Canny算子，Houng变换检测图像轮廓，直线等图像元素

 主要内容：

       1. 通过Canny算子检测图像轮廓

       2. Hough变换检测图像中的直线

       3.通过一系列点拟合直线

       4.检测组件的轮廓

       5. 组件轮廓的描述

一、引言

        为了能执行对图形基本内容的分析，从由一系列像素组成的图像中检测出有意义的特点来是有必要的，例如轮廓，直线，斑点等图像的基本组件。本节将教大家怎样检测这些图像中有用的组件。

二、通过Canny算子检测图像轮廓

       在前面我们介绍了通过高通滤波器方法（Sobel和Laplace）方法很方便的检测出图像的轮廓。我们对梯度幅值的设置门限来显示一个二进制的图像轮廓。轮廓带有很重要的视觉信息，因此轮廓检测被广泛使用，例如目标识别。但是，简单的二进制边缘图像有两个缺点：一是边缘检测图形有些线条太粗，不适合精准的表达物体的形状。第二点，也是比较重要的一点是，门限值的选择，很难足够低，以致显示所有重要目标的边缘，也很难足够高，使得不包含太多没有用的边缘，这是一个需要权衡的问题，
Canny算法就尝试解决这个问题。

     2.1 Canny算法实现目标和步奏

    Canny算法实现的目标：

    1.低误差率：只检测存在的边缘

    2.良好的定位性：边缘比较细，与真实边缘的距离小

    3.最小响应：每个边缘只响应一个检测器

    Canny边缘检测是John F.Canny 提出的广为人知的边缘检测算法，其实现步奏是

    1.高斯滤波

    2.通过上下限，分别对图形进行类似Sobel算法的边缘检测，

    3.滞后阈值化

         1）超过最大阈值的点，是边缘点

         2）比最小阈值点小的点，不作为边缘点

         3）介于两者之间的的点，与上限相连的点是边缘点

         4）上下限阈值推荐比例为3:2

   2.2 Canny算子的opencv实现

      opencv中提供Canny算子函数，

//! applies Canny edge detector and produces the edge map.
CV_EXPORTS_W void Canny( InputArray image, OutputArray edges,
                         double threshold1, double threshold2,
                         int apertureSize=3, bool L2gradient=false );

      使用实例：

cv::Canny(image,contours,125,350);

      程序实例：

// Read input image
	cv::Mat image= cv::imread("road.jpg",0);
	if (!image.data)
		return 0; 

    // Display the image
	cv::namedWindow("Original Image");
	cv::imshow("Original Image",image);
	cv:imwrite("Original Image.jpg",image);

	// Compute Sobel
	EdgeDetector ed;
	ed.computeSobel(image);

    // Display the Sobel orientation
	cv::namedWindow("Sobel (orientation)");
	cv::imshow("Sobel (orientation)",ed.getSobelOrientationImage());
	cv::imwrite("ori.bmp",ed.getSobelOrientationImage());

    // Display the Sobel low threshold
	cv::namedWindow("Sobel (low threshold)");
	cv::imshow("Sobel (low threshold)",ed.getBinaryMap(125));
	cv::imwrite("Sobel (low threshold).jpg",ed.getBinaryMap(125));

    // Displa