opencv3 边缘检测

图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波。我们知道微分运算是求信号的变化率，具有加强高频分量的作用。在空域运算中来说，对图像的锐化就是计算微分。由于数字图像的离散信号，微分运算就变成计算差分或梯度。图像处理中有多种边缘检测（梯度）算子，常用的包括普通一阶差分，Robert算子（交叉差分），Sobel算子等等，是基于寻找梯度强度。拉普拉斯算子（二阶差分）是基于过零点检测。通过计算梯度，设置阀值，得到边缘图像。

canny边缘检测原理：

Canny边缘检测算子是一种多级检测算法。1986年由John F. Canny提出，同时提出了边缘检测的三大准则：

1. 低错误率的边缘检测：检测算法应该精确地找到图像中的尽可能多的边缘，尽可能的减少漏检和误检。
2. 最优定位：检测的边缘点应该精确地定位于边缘的中心。
3. 图像中的任意边缘应该只被标记一次，同时图像噪声不应产生伪边缘。

    Canny算法出现以后一直是作为一种标准的边缘检测算法，此后也出现了各种基于Canny算法的改进算法。时至今日，Canny算法及其各种变种依旧是一种优秀的边缘检测算法。而且除非前提条件很适合，你很难找到一种边缘检测算子能显著地比Canny算子做的更好。

    关于各种差分算子，还有Canny算子的简单介绍，这里就不罗嗦了，网上都可以找得到。直接进入Canny算法的实现。Canny算法分为几步。

1. 高斯模糊。

    这一步很简单，类似于LoG算子（Laplacian of Gaussian）作高斯模糊一样，主要作用就是去除噪声。因为噪声也集中于高频信号，很容易被识别为伪边缘。应用高斯模糊去除噪声，降低伪边缘的识别。但是由于图像边缘信息也是高频信号，高斯模糊的半径选择很重要，过大的半径很容易让一些弱边缘检测不到。