Halcon---边缘检测：二阶微分

 *运用二阶微分算子检测边缘（边缘是二阶导数的过零点）
               *Laplace算子
               *Log算子
               *利用图像强度二阶导数零交叉点求边缘点的算法对噪声十分敏感
                *高斯-拉普拉斯
                *LoG:Laplacian of a Gaussian 边缘检测算子
                 *优点：
                     *先采用高斯算子对原图像进行平滑，然后再施以Laplacian算子，可克服Laplacian算子对噪声敏感的缺点，减少噪声的影响。
                 *一维高斯函数的用途：
                   *统计学：描述正态分布
                   *信号处理：高斯滤波器
                   *图像处理：高斯模糊
                   
                 *一维高斯函数的优点
                    *1.旋转对称性，用其对图像进行平滑运算时在各个方向上的平滑程度相同，边缘检测等操作中不会偏袒某一方向上的图像的细节
                    *2.随着离高斯模板中心点月圆，权值越小，这使得高斯滤波器比起普通的平滑滤波器更能更好地保留图像细节。如果距离越远的
                      *点权值越重的话，那图像会失真。
                    *3.在平滑图像去除噪声和保留噪声的信息间找到平衡点。sigma参数越大，高斯函数的图谱就越矮平缓，表现在频谱上就是频带越宽
                       *平滑程度高。反之sigma参数越小，平滑程度越低。
                    *4.卷积核越大，平滑程度越高
                    read_image(Image,'mreut')
                    laplace_of_gauss(Image, ImageLaplace1, 2)
                    zero_crossing(ImageLaplace1, RegionCrossing1)
                  
               *Canny算子
                         *先平滑后求导
                         read_image(Image,'fabrik')
                         edges_image(Image,ImaAmp,ImaDir,'canny',0.5,'nms',12,22)
                         threshold(ImaAmp,Edges,1,255)
                         skeleton(Edges, Skeleton)
                         gen_contours_skeleton_xld(Skeleton, Contours1, 1, 'filter')
                         dev_display(Image)
                        * dev_set_colored(Contours1)
                         
                         *Step1.用高斯滤波器平滑图像
                         *Step2.用二阶偏导的有限差分来计算梯度的幅值和方向
                         *Step3.对梯度幅值应用*非极大值抑制*
                         *Step4.用双阈值算法检测和连接边缘
                *亚像素级别的边缘提取 
                     dev_close_window()
                     read_image(Image,'fabrik')
                     dev_open_window_fit_image(Image, 0, 0, -1, -1, WindowHandle3)
                     edges_sub_pix(Image, Edges1, 'canny', 1, 20, 40)
                     dev_set_part(160,250,210,300)
                     dev_display(Image)
                     dev_display(Edges1)