图像处理——边缘检测

---

一、边缘检测的目的

边缘检测的目的就是找到图像中亮度变化剧烈的像素点构成的集合，表现出来往往是轮廓。如果图像中边缘能够精确的测量和定位，那么，就意味着实际的物体能够被定位和测量，包括物体的面积、物体的直径、物体的形状等就能被测量。

二、边缘检测算子有哪些？

一阶：Canny算子、Soble算子
二阶：Laplacian(拉普拉斯)算子，（在梯度方向的二阶导数过零点）

三、Canny算子

3.1、简述Canny算子

Canny算子主要有四个步骤：
1.图像降噪 ：噪声和边缘一样，都是像素变化比较剧烈，所以在增强边缘前要去除噪声

2.计算图像梯度 ：因为梯度是像素变化明显的地方，而边缘正是像素变化明显的地方，但同时也有一些像素变化明显、但不是边缘的地方。计算图像梯度可以得到所有可能是边缘的集合

3.非极大值抑制：获得梯度大小和方向后，将局部范围内的同一梯度方向上，灰度变化最大的保留下来，其余的不保留，这样可以去除一部分的点。将有多个像素宽的边缘变成一个单像素宽的边缘。

4.双阈值筛选：通过非极大值抑制后，仍有一些不是边缘的点。此时再设置一个双阈值(一个高、一个低)。灰度变化大于高阈值的，定为强边缘像素；低于低阈值的，去除。在高、低阈值之间的定为弱边缘，进一步判断这些弱边缘的领域内是否有强边缘，若有，则保留；否则去除。（这么做的原因是：若只保留强边缘像素，有些边缘可以不闭合，需要从高、低阈值内选取像素点进行补充）

3.2、简述下Canny的计算过程

1.首先将彩色图转换为灰度图，再使用高斯滤波器平滑图像
2.随后计算图像梯度的幅值和方向，再对其进行非极大值抑制
3.使用双阈值进行边缘的检测和连接（也称滞后阈值）

四、sobel算子

4.1 简述一下sobel算子

sobel算子结合了高斯平滑和微分求导，效率较高，但精度有时不高。Sobel算子包含两组3×3的滤波器，分别对水平及垂直方向上的边缘敏感

链接: link

五、深度学习下的边缘检测

5.1 HED（整体嵌套边缘检测）

	特点：多尺度、多层次特征学习，采用深度监督方法多层输出训练

5.2 CASENet

    一种基于ResNet的端到端深度语义边缘学习的架构