边缘检测

• Sobel算子

　　应用于图像特征的提取，边缘检测，变化率最大的地方就是边缘过度的地方。边缘是什么 – 是像素值发生跃迁的地方，是图像的显著特征之一，在图像特征提取、对象检测、模式识别等方面都有重要的作用。如何捕捉/提取边缘 – 对图像求它的一阶导数delta =  f(x) – f(x-1), delta越大，说明像素在X方向变化越大，边缘信号越强。

 　　Soble算子是离散微分算子（discrete differentiation operator），用来计算图像灰度的近似梯度Soble算子功能集合高斯平滑和微分求导，又被称为一阶微分算子，求导算子，在水平和垂直两个方向上求导，得到图像X方法与Y方向梯度图像。I为两个方向的不同权值。

 　　图一为原图，图二为X方向的梯度，图二为Y方向的梯度，图三为X+Y的最终图像梯度。

 　　Scharr算子原理和Soble算子原理相同：处理效果更加清晰，文理比较明显。

•  Laplance算子

[{ m{L}}left( f ight) = frac{{{partial ^2}f}}{{partial {x^2}}} + frac{{{partial ^2}f}}{{partial {y^2}}}]

 　　在二阶导数的时候，最大变化处的值为零即边缘是零值。通过二阶导数计算，依据此理论我们可以计算图像二阶导数，提取边缘。下图为Laplance算子提取的边缘特征。

•  Canny算法边缘检测

　　边缘检测要转化为灰度图像，非最大信号抑制，即用于处理边缘的效果，在一个方向上，纵向切向或指定方向等，如果不是最大值就把它去掉，这样就使轮廓看起来比较细，更加的清晰，贴合边界。

 　　抑制完成后，有的边界是连在一起的，通过高低阈值（即小于最低阈值的舍去，高于最高阈值的保留，在最低和最高之间的进行阈值连接）。例如T1低阈值， T2为高阈值，凡是高于T2的都保留，凡是小于T1都丢弃，从高于T2的像素出发，凡是大于T1而且相互连接的，都保留。最终得到一个输出二值图像。推荐的高低阈值比值为 T2: T1 = 3:1/2:1，下图为通过Canny算子得到的边界，非常清晰。

 相关代码解释如下：

边缘处理函数：copyMakeBorder(in1,out1,top,bottom,left,right,BORDER_CONSTANT, color);
//上下左右分别用像素值预先填充边缘，赋一个初值像素，默认的处理方法是：
 //BORDER_DEFAULT，BORDER_CONSTANT 填充边缘用指定像素值，即最后一个color来指定，
//BORDER_REPLICATE 填充边缘像素用已知的边缘像素值，即用给定的初值上下左右。
//BORDER_WRAP 用另外一边的像素来补偿填充。

convertScaleAbs(A, B)， 计算图像A的像素绝对值，输出到图像B;

Sobel 算子Sobel(huidu_image, Sobel_image, -1, 0, 1, 3);
//输入的图像要是灰度图像，-1为输出图像位图深度，0为X方向的求导阶数，1为Y方向的求导阶数
//Scharr算子原理和Soble算子原理相同：处理效果更加清晰，纹理比较明显。

拉普拉斯算子Laplacian(huidu,out1,-1,3);
//参数意义同上。

Canny边缘检测Canny(huidu, out1,50,100,3,false ); 
//50,100,为低阈值和高阈值,3为Soble算子的size，通常3x3，取值3，选择 true表示是L2来归一化，否则用L1归一化。