Opencv 之使用方向滤波器检测边缘

学习目标：一、了解Sobel算子、Scharr算子和拉普拉斯算子

                      二、掌握canny边缘检测的原理及应用

一原理

1、边缘检测

        边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像中的显著变化通常反映了属性的重要事件和变化。图像边缘检测大幅度地减少年数据量，并且剔除可以认为不相关的信息，保留了图像的重要结构属性。有许多方法用于边缘检测，它们绝大部分可以划分为两类：基于搜索和基于零穿越。

基于搜索：通过寻找图像一阶导数中的最大值来检测边界，然后利用计算结果估计边缘的局部方向，通常采用梯度的方向，并利用此方向找到局部梯度值的最大值，代表算法是Sobel算子和Scharr算子。

基于零穿越：通过寻找图像二阶导数零穿越来寻找边界，代表算法是Laplacian算子。

2、Sobel检测算子

Sobel边缘检测算法比较简单，实际应用中效率比canny边缘检测效率高，但是边缘检测不如Canny检测的准确，但是很多实际应用的场合，sobel边缘却是首选，sobel算子是高斯平滑与微分操作的结合体，所以其抗噪声能力很强，用途较多。尤其是效率要求较高，而对细纹理不太关心的时候。

2.1方法

对于不连续的函数,一阶导数可以写作：f'(x)=f(x)-f(x-1)或f'(x)=f(x+1)-f(x),

所以有：f'(x)=(f(x+1)-f(x-1))/2

假设要处理的图像为I，在两个方向求导：

水平变化：将图像I与奇数大小的模板进行卷积，结果为Gx。

垂直变化：将图像I与奇数大小的模板进行卷积，结果为Gy。

图像上的每一点，结果以上两个结果求出：G=,统计极大值所在的位置，就是图像的边缘。

2.2应用

利用OpenCV进行sobel边缘检测的API是：

Sobel(src,dst,ddepth,dx,dy,ksize=3,scale=1,delta=0,borderType=BORDER_DEFAULT)

实现了边缘检测的功能。
参数：
src表示输入矩阵；
dst表示输出矩阵，即src与sobel核得到的卷积；
ddepth表示输出矩阵的数据类型；
dx，dy表示src与差分方向为水平方向上的Sobel核卷积（dx不为0）以及src与差分方向为垂直方向上的Sobel核卷积（dx为0,dy不为0）；
ksize表示sobel核的尺寸，值一般取奇数；
scale表示比例系数，呈现的比例；
delta表示平移系数；
borderType表示边界扩充的类型，默认值是ORDER_DEFAULT。