掩模/核/滤波器/算子

邻域平均——降噪

高斯滤波器——低通滤波器这里写链接内容

中值滤波——避免均值降噪时出现的物体边缘出现模糊不清的情况

边缘检测

sobel 一阶梯度算子

Scharr算子 —— opencv，解决了sobel 误差大的问题

边缘

二阶微分算子有 Laplacian、Log/Marr
laplace算子推导这里写链接内容

canny 边缘检测——非微分
算法过程：
1. 彩色图像转换为灰度图像 gray = 0.299R + 0.587G + 0.114B
2. 对图像进行高斯模糊, 平滑去燥
3. 计算图像梯度，根据梯度计算图像边缘幅值与角度（这里其实用到了微分边缘检测算子来计算梯度幅值方向）
4. 非最大信号压制处理（边缘细化，非边缘像素进一步减少）（要消除梯度方向上非极大值的点，精髓）
5. 双阈值边缘连接处理（双阈值 t1, t2, 是这样的，t1 <= t2
大于 t2 的点肯定是边缘
小于 t1 的点肯定不是边缘
在 t1, t2 之间的点，通过已确定的边缘点，发起8领域方向的搜索（广搜），图中可达的是边缘，不可达的点不是边缘。）
6. 二值化图像输出结果

hough变换 —— 边缘检测后，对每个边缘点 进行hough变换，检测直线、圆形、椭圆
详细推到：这里写链接内容
一般思路：直线的笛卡尔表示；直线的极坐标表示；hough空间（ρ，θ）；ρ为原点到直线的最短距离（即垂线），θ为对端距离与X正轴的夹角；
经过笛卡尔空间单条直线，无数个点，对应1个hough空间参数 一个单点。
一个图像边缘的边缘点，可以有无所条直线，每条直线都有一个（ρ，θ），形成一条hough参数空间的曲线；
一个图像边缘的某些共线的边缘点，分别通过他们的所有直线的组成的分别的hough参数空间曲线，会相交于某一点
这一点就代表着直线共线，或者某种几何关系。

特点：
- 对噪声不敏感，因为噪点，不会多点共线
- 对图像总的点可并行处理，加快速度，所以较好实时性