边缘检测

边缘检测算子类别

常见边缘检测算子：Roberts 、Sobel 、Prewitt、Laplacian、Log/Marr、Canny、Kirsch、Nevitia

1、一阶微分算子：Roberts 、Sobel 、Prewitt

我们看这三种边缘检测算子模板及写成差分的形式

Roberts算子：

Sobel算子：


Prewitt算子：

计算边缘幅值与方向

以Sobel算子为例：



G很多情况下简化为：

或者

各向同性Sobel算子：


Sobel各向同性算子的权值比普通Sobel算子的权值更准确。为什么？模板的权值是离中心位置越远则权值（看绝对值）影响越小，如上图，把模板看成是9个小正方形，小正方形边长为1，则虚线三角形的斜边长为，下直角边长为1，则如果（0,0）位置权值绝对值大小为1，则按照距离关系，位置（1,0）处的权值绝对值大小应该为才是准确的。

二阶微分算子：Laplacian、Log/Marr

Laplacian算子：

拉普拉斯算子数学公式是:

写成差分形式为:

Log算子：

Log边缘检测则是先进行高斯滤波再进行拉普拉斯算子检测，然后找过零点来确定边缘位置，很多时候我们只是知道Log 5*5模板如上图所示。

非微分边缘检测算子：Canny

Canny边缘检测步骤：

1.      对图像进行高斯模糊----GaussianBlur
2.      彩色图像转换为灰度图像----cvtcolor
3.      计算图像梯度，根据梯度计算图像边缘幅值与角度（这里其实用到了微分边缘检测算子来计算梯      度幅值方向）---Sobel/Scharr
4.      非最大信号压制处理（边缘细化）
        *俗意义上是指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0
5.      高低阈值输出二值图像
        *T1,T2为阈值，凡是高于T2的部分都保留，凡是低于T1的都丢弃，从T2的像素出发，凡是大于T1且相互连接的都保留。最终得到一个输出二值图像。
        *推荐的高低阈值比为T2/T1=3:1或者2:1，其中T2为高阈值，T1为低阈值。

以下是opencv实现canny算法：

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace cv;
Mat src, gray_src, dst;
int threshold_value = 50;
int max_value = 255;
void Canny_Demo(int, void*);
int main(int argc, char**argv) {
	src = imread("D:/picture/opencv/images/lenna.png");
	if (!src.data) {
		printf("could not load image.../n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	namedWindow("output image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	createTrackbar("Threshold Value:", "output image", &threshold_value, max_value, Canny_Demo);
	Canny_Demo(0, 0);

	waitKey(0);
	return 0;
}
void Canny_Demo(int, void*) {
	Mat edge_image;
	blur(src, src, Size(3, 3), Point(-1,-1),BORDER_DEFAULT);
	cvtColor(src, gray_src, CV_BGR2GRAY);
	Canny(gray_src, edge_image, threshold_value, 2 * threshold_value, 3, false);

	imshow("edge_image", edge_image);
	dst.create(src.size(), src.type());
	src.copyTo(dst, edge_image);//mask（edge_image）非零的话拷贝到dst；
	imshow("output image", dst);

	
}