图像边缘算子
（1）常見邊緣檢測算子：Roberts 、Sobel 、Prewitt、Laplacian、Log/Marr、Canny、Kirsch、Nevitia
?
（2） 其中一階邊緣算子：Roberts 、Sobel 、Prewitt、Kirsch。
? ? ? ? ?其中二階邊緣算子：Laplacian、Log/Marr、Canny
?
（3）Roberts算子
?
算法：遍歷整幅圖像，對每個像素做Roberts模板運算。
?
（4）Sobel算子
?
算法：遍歷整幅圖像，對每個像素做Sobel模板運算。
?
（5）Prewitt算子
?
算法：遍歷整幅圖像，對每個像素做Prewitt模板運算。
?
（6）Kirsch算子
算法：遍歷整幅圖像，對每個像素做Prewitt模板運算。
?
（6）Laplacian算子
???
Laplacian算子模板有兩個，分別是4鄰域（左邊的3*3矩陣）、8鄰域（右邊的3*3矩陣）。
算法：遍歷整幅圖像，對每個像素做Laplacian模板運算。
?
（7）LoG（Laplacian of Gauss）算子
算法：遍歷整幅圖像，對每個像素做LoG模板運算。
?
（7）Canny
Canny邊緣檢測算子是一種多級檢測算法。1986年由John F. Canny提出，同時提出了邊緣檢測的三大準則：
低錯誤率的邊緣檢測：檢測算法應該精確地找到圖像中的盡可能多的邊緣，盡可能的減少漏檢和誤檢。
最優定位：檢測的邊緣點應該精確地定位于邊緣的中心。
圖像中的任意邊緣應該只被標記一次，同時圖像噪聲不應產生偽邊緣。
?
Canny算法實現：
1）高斯模糊。
這一步很簡單，類似于LoG算子（Laplacian of Gaussian）作高斯模糊一樣，主要作用就是去除噪聲。因為噪聲也集中于高頻信號，很容易被識別為偽邊緣。應用高斯模糊去除噪聲，降低偽邊緣的識別。但是由于圖像邊緣信息也是高頻信號，高斯模糊的半徑選擇很重要，過大的半徑很容易讓一些弱邊緣檢測不到。
2）計算梯度幅值和方向。
圖像的邊緣可以指向不同方向，因此經典Canny算法用了四個梯度算子來分別計算水平，垂直和對角線方向的梯度。但是通常都不用四個梯度算子來分別計算四個方向。常用的邊緣差分算子（如Rober，Prewitt，Sobel）計算水平和垂直方向的差分Gx和Gy。這樣就可以如下計算梯度模G和方向θ：
?
3） 非最大值抑制。
目的：為確定邊緣，必須保留局部梯度最大的點，二抑制非極大值（NMS）。
利用已求出的θ值，梯度的方向用于非極大值的抑制，將角度離散化0、1、2、3的一個。知道梯度角，即知道梯度線（如上圖所示）。
鄰域的中心像素C與沿著梯度線的兩個像素比較。如果C的梯度值小于沿著梯度線的連個相鄰像素的梯度值，則令C=0；
4）雙閥值。
Canny算法應用雙閥值，即一個高閥值和一個低閥值來區分邊緣像素。如果邊緣像素點梯度值大于高閥值，則被認為是強邊緣點。如果邊緣梯度值小于高閥值，大于低閥值，則標記為弱邊緣點。小于低閥值的點則被抑制掉。
5）滯后邊界跟蹤。
至此，強邊緣點可以認為是真的邊緣。弱邊緣點則可能是真的邊緣，也可能是噪聲或顏色變化引起的。為得到精確的結果，后者引起的弱邊緣點應該去掉。通常認為真實邊緣引起的弱邊緣點和強邊緣點是連通的，而又噪聲引起的弱邊緣點則不會。所謂的滯后邊界跟蹤算法檢查一個弱邊緣點的8連通領域像素，只要有強邊緣點存在，那么這個弱邊緣點被認為是真是邊緣保留下來。
?
?
?
?
總結
- 上一篇： python 读取当前文件夹下所有后缀为
- 下一篇： 构造函数，拷贝构造函数，赋值函数