OpenCV 学习笔记(12): 边缘检测中的 Canny,Sobel,Laplacian,Scharr 滤波器

边缘检测算法对比分析

1）滤波：边缘检测算法通常依赖于图像强度的一阶与二阶导数，然而导数对噪声具有较高的敏感性，因此需要借助滤波器来提升边缘检测器在噪声环境下的表现。常用的滤波方式包括高斯滤波，该方法通过离散化高斯函数生成一组归一化的高斯核，并利用这些核对图像灰度矩阵中的每个像素点进行加权求和运算，从而实现降噪目的。
2）增强：边缘增强的核心在于识别图像中各像素点周围区域的强度变化程度。相关算法能够有效突出那些邻域内强度差异较大的像素点。在实际编程过程中，通常通过计算梯度幅值的方式来实现这一目标。
3）检测：经过增强处理后的图像中，许多像素点的梯度值较高，但并非所有这些点都属于所需的边缘信息。因此，在具体应用中需采用特定策略进行筛选与判断。工程实践中，常用的方式是运用阈值化手段对这些梯度值较大的点进行识别与提取。

1、Canny()算子：

Canny边缘检测算子属于一种包含多个步骤的边缘识别算法。

    C++: void Canny(InputArray image,	//输入图像，即源图像
    OutputArray edges, 					// 输出的边缘图
    double threshold1, 					// 第一个滞后性阈值
    double threshold2, 					// 第二个滞后性阈值