《opencv》边缘检测、轮廓检测、图像分割

边缘edge检测、轮廓contours检测、图像分割(背景提取)这三个概念在我看来有些不好理解，因为边缘检测感觉就是检测轮廓的边缘啊，检测出来边缘不就检测出来轮廓了么。另外图像分割是前景与背景之间的分割，那不也就是轮廓的检测，所有的轮廓之外不就是背景了么。
最近把这三个概念集中在一起看了看，总结一下。

边缘检测主要是检测轮廓边缘的那条线，而且那条线是有宽度的不只是1个像素宽的边缘；
而轮廓检测得到的是边缘和边缘内部的所有的点坐标Point，而且轮廓不止一个，一个轮廓是vector，那图片上的所有轮廓就是vector<vector>，而且除了轮廓还有轮廓之间的包含关系hierarchy，它是个vector型的数据。最后，在使用findcontours函数查找轮廓之前先进性二值化主要效果会比较好。

边缘检测

边缘就是像素值发生突变的点，也就是一阶导数的极大值点，或者二阶导数的过0点。
边缘检测的结果是Mat，直接的边缘点图，每一点保存的是该点在kernel指定方向上的梯度信息。可以直接绘制出来。
而轮廓检测得到的是边缘、边缘内的点的位置坐标信息，就是很简单的Point型数据，此外还有hierarchy这种表示轮廓包含关系的数据。但边缘检测的结果就是每一点的梯度信息，边缘内部没有梯度变化，所以值是0.

边缘检测的基本原理

可以通过原图与滤波器kernel进行卷积运算得到各个像素点在某个方向上的梯度（边缘）。
函数：filter2d(输入图像，输出图像，输出图像的深度，卷积核，anchor)

• 输入图像是单通道或者多通道， 输出