HALCON边缘检测

HALCON边缘检测

边缘检测的算法分类

基于查找的方法

通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向，是基于一阶导数的边缘检测算法

基于零穿越的方法

通过寻找图像二阶导数零穿越来寻找边界，通常是拉普拉斯过零点或者非线性差分表示的过零点，是基于二阶导数的边缘检测算法

Prewitt算子

通过利用像素点上下、左右邻点灰度差，在边缘处达到极值的方法检测边缘。它的方程和Sobel算子完全一样，因此都考虑了邻域信息，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。Prewitt算子不仅能检测边缘点，而且能抑制噪声的影响，因此对灰度和噪声较多的图像处理得较好。

卷积模板如下

A=$\left[\begin{array}{cccc}& 1& 1& 1\\ & 0& 0& 0\\ & -1& -1& -1\end{array}\right]$

B=$\left[\begin{array}{cccc}& 1& 0& -1\\ & 1& 0& -1\\ & 1& 0& -1\end{array}\right]$

prewitt_amp (ImageReduced, ImageEdgeAmp)
threshold (ImageEdgeAmp, Regions, 25, 80)

检出效果

Kirsch算子

Kirsch算法由K0_{K7八个方向的模板决定，将K0}K7的模板元素分别与当前像素点的3×3模板区域的像素点相乘，然后选八个值中最大的值作为中央像素的边缘强度。

卷积模板如下

A=$\left[\begin{array}{cccc}& -3& -3& 5\\ & -3& 0& 5\\ & -3& -3& 5\end{array}\right]$

B=$\left[\begin{array}{cccc}& -3& 5& 5\\ & -3& 0& 5\\ & -3& -3& -3\end{array}\right]$

C=$\left[\begin{array}{cccc}& 5& 5& 5\\ & -3& 0& -3\\ & -3& -3& -3\end{array}\right]$

D=$\left[\begin{array}{cccc}& 5& 5& -3\\ & 5& 0& -3\\ & -3& -3& -3\end{array}\right]$

E=$\left[\begin{array}{cccc}& 5& -3& -3\\ & 5& 0& -3\\ & 5& -3& -3\end{array}\right]$

F=$\left[\begin{array}{cccc}& -3& -3& -3\\ & 5& 0& -3\\ & 5& 5& -3\end{array}\right]$

G=$\left[\begin{array}{cccc}& -3& -3& -3\\ & -3& 0& -3\\ & 5& 5& 5\end{array}\right]$

H=$\left[\begin{array}{cccc}& -3& -3& -3\\ & -3& 0& 5\\ & -3& 5& 5\end{array}\right]$

kirsch_amp (ImageReduced, ImageEdgeAmp1)
threshold (ImageEdgeAmp1, Regions2, 160, 255)

检出效果