实现边缘检测的几种算子间的对比详情

    经过实验对比后，发现canny算子实现边缘检测出的图像最优，其次是sobel算子，所以今天在这里着重编写下canny算子。
  首先，最优边缘检测的三个主要评价标准是:

    低错误率: 标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报；

    高定位性: 标识出的边缘要与图像中的实际边缘尽可能接近；

    最小响应: 图像中的边缘只能标识一次。

canny边缘检测算法的步骤为：

    1.消除噪声。 使用高斯平滑滤波器卷积降噪。 下面显示了一个 的高斯内核示例:

                                               

    2.计算梯度幅值和方向。 此处，按照Sobel滤波器的步骤:

        运用一对卷积阵列 (分别作用于 x和 y方向):

                                            

        使用下列公式计算梯度幅值和方向:

             

        梯度方向近似到四个可能角度之一(一般 0, 45, 90, 135)

    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: 最后一步，Canny 使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值):

        a.如果某一像素位置的幅值超过 高 阈值, 该像素被保留为边缘像素。

        b.如果某一像素位置的幅值小于 低 阈值, 该像素被排除。

        c.如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于 高 阈值的像素时被保留。

        Canny 推荐的高:低 阈值比在 2:1 到3:1之间。

    以上就是使用canny检测边缘的步骤，在opencv开发环境下使用canny算子检测边缘实现起来较为简便，因为opencv函数库中已经对canny函数进行了封装。

    Canny(g_tmpImage, g_tmpImage, g_nCannyLowThreshold, g_nCannyLowThreshold * 3);

    其中，g_tmpImage为平滑去躁后的灰度图像（在使用前先利用cvtColor（src,dst,COLOR_RGB2GRAY将原图像转化为灰度图像，再利用blur（src,dst,Size(3, 3))用均值滤波器进行平滑去躁）；

      第二个g_tmpImage为输出图像；

       g_nCannyLowThreshold为设置的低阈值；

       g_nCannyLowThreshold表示阈值比为3:1。

    createTrackbar("Canny Parameters: ", "[Edge Detector]", &g_nCannyLowThreshold, 120, on_CannyType);//创建滚动条检测可以寻找处理后图像现实最佳的低阈值

    实现canny算子检测边缘实现代码如下：

    与此同时也给出了sobel边缘检测代码。sobel算子是针对图像3*3邻域的处理，其原理是先后在水平方向和垂直方向上对邻域灰度求差分，然后取两个差分的较大值或其中较大者，通常我们使用两个差分的较大者。用S(C)表示sobel算子的结果，有如下公式：S(C)=max{|(N0+N1*2+N2)-(N4+N5*2+N6)|-|(N0+N7*2+N6)-(N2+N3*2+N4)|}

N0	N1	N2
N7	C	N3
N6	N5	N4

具体算法实现参考上述代码。

    最终显示图片效果如下所示

canny算子：

sobel算子：