opencv之边缘检测步骤以及常见的边缘检测算法

边缘检测的一般步骤:
1.滤波：导数对噪声很敏感，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，常见的滤波有高斯滤波，就是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的灰度矩阵没一点进行加权求和。
2.增强：确定图像各点领域强度的变化值，增强算法可以将图像灰度点领域强度值有显著变化的点凸显出来，在编程的时候，可以通过计算梯度幅值来确定。
3.检测：对是不是边缘点进行检测，常用的方法是通过阈值化处理，

（一）边缘检测之Canny检测
Canny检测是最优的边缘检测算法：

1.消除噪声：运用高斯内核进行卷积降噪。
2.计算梯度幅值和方向。
3.非极大值抑制：这一步排除非边缘像素，仅仅保留了一些细线条（候选边缘）
4.滞后阈值：滞后阈值需要两个阈值（高阈值和低阈值）：若某一个像素位置的幅值超过高阈值，该像素被保留。
：若某一个像素位置的幅值小于低阈值，该像素被排除。
：若某个像素位置的幅值在两者之间，该像素仅仅在连接到一个高于高阈值的像素时被保留。
Canny边缘检测：canny函数
C++: void Canny(InputArray Image;OutputArray edges,double threshold1,double threshold2,int apertureSize=3,bool L2gradient=false);
1.第一个参数：输入图像，单通道8位图像
2.第二个参数：输出边缘图像，需要和原图像有一样尺寸和类型
3.第三个参数：第一个滞后性阈值
4.第四个参数：第二个滞后性阈值
5.第五个参数：表示应用sobel算子的孔径大小其有默认值3
6.第六个参数：bool类型的L2gradient，一个计算图像梯度幅值的标识
阈值1和阈值2中较小的用于边缘的连接，较大的用于控制强边缘的初始段。高低阈值比在2:1和3:1之间时最佳的

2.边缘检测之Sobel检测：
Sobel算子是一个主要用于边缘检测的离散微分算子，它结合了高斯平滑和微分求导，用来计算图像的灰度函数的近似梯度，在图像任何一点使用此算子都会产生对应的梯度矢量和其法矢量。
我们假设被作用图像为I然后进行如下操作：
（1）分别在x和y两个方向求导，进而求出近似的梯度。水平变化，垂直变化
使用Sobel算子：Sobel()函数
C++:void Sobel(I,O,int depth,int dx,int dy,int ksize=3,double scale=0,double delta=0,int borderType=BORDER_DEFAULT);
1.输入
2.输出
3.输出图像的深度
4.x方向上的差分阶数
5.y方向上的差分阶数
6.int类型的ksize，有默认值3，表示Sobel核的大小，必须取1,3,5,7.
7.double类型的scale,计算导数值时可选的缩放因子，默认值是1
8.double类型的delta，表示结果存在目标图之前可选的delta值
9.int类型的bordertype,边界模式。

3.图像边缘检测之拉普拉斯检测：
根据图像处理的原理可知，二阶导数（也就是传说中的拉普拉斯）可以用来进行边缘检测，让一幅图像减去Laplacian算子可以增强图像对比度，
C++: void Laplacian(I,O,int depth,int ksize=1,double scale=1,double delta=0,int borderType=BORDER_DEFAULT);
1.输入图像，填Mat类的对象即可，且需要单通道8位图像
2.输出边缘图像，edges需要和原图片有一样的尺寸和通道数
3.目标图像的深度
4.用于计算二阶导数滤波器的孔径尺寸，大小必须为奇数
5.计算拉普拉斯值的时候可选的比例因子
6.表示在结果存入目标图
7.int 类型的borderType

各个检测程序小博也有，欢迎大家交流讨论