OpenCV学习笔记（十二）：边缘检测：Canny(),Sobel(),Laplace(),Scharr滤波器

OpenCV学习笔记（十二）：边缘检测：Canny(),Sobel(),Laplace(),Scharr滤波器

1）滤波：边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。
2）增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。
3）检测：经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是我们要找的边缘点，所以应该采用某种方法来对这些点进行取舍。实际工程中，常用的方法是通过阈值化方法来检测。

1、Canny()算子：

Canny边缘检测算子是一个多级边缘检测算法

C++: void Canny(InputArray image,	//输入图像，即源图像
OutputArray edges, 					// 输出的边缘图
double threshold1, 					// 第一个滞后性阈值
double threshold2, 					// 第二个滞后性阈值
										// 这个函数阈值1和阈值2两者的小者用于边缘连接，而大者用来控制强边缘的初始段，推荐的高低阈值比在2:1到3:1之间。
int apertureSize=3,					// 表示应用Sobel算子的孔径大小
bool L2gradient=false 				// 一个计算图像梯度幅值的标识
)

2、Sobel()算子：

Sobel 算子是一个主要用作边缘检测的离散微分算子 (discrete differentiation operator)。它Sobel算子结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。

void Sobel (
InputArray src,				// 输入图
OutputArray dst,			// 输出图
int ddepth,					// 输出图像的深度
								// 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
								// 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
								// 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
								// 若src.depth() = CV_64F, 取ddepth = -1/CV_64F
int dx,						// x 方向上的差分阶数
int dy,						// y 方向上的差分阶数	
int ksize=3,				// 表示Sobel核的大小;必须取1，3，5或7
double scale=1,				// 计算导数值时可选的缩放因子 
double delta=0,				// 表示在结果存入目标图之前可选的delta值
int borderType=BORDER_DEFAULT 	// 边界模式
);

3、Laplace()算子：

Laplacian 算子是n维欧几里德空间中的一个二阶微分算子，定义为梯度grad（）的散度div（）。Laplacian( )函数其实主要是利用sobel算子的运算。它通过加上sobel算子运算出的图像x方向和y方向上的导数，来得到我们载入图像的拉普拉斯变换结果。

void Laplacian(InputArray src,		// 源图像
OutputArray dst, 					// 输出的边缘图
int ddepth, 						// 输出图像的深度
int ksize=1, 						// 用于计算二阶导数的滤波器的孔径尺寸
double scale=1, 					// 计算拉普拉斯值的时候可选的比例因子
double delta