1 概述
本节中，我们将一起学习OpenCV中边缘检测的各种算子和滤波器 Canny算子、Sobel算子、Laplacian算子以及Scharr滤波器。
2 边缘检测的一般步骤
在具体介绍之前，先来一起看看边缘检测的一般步骤。
1．【第一步】滤波
边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。
2．【第二步】增强
增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。
3．【第三步】检测
经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是要找的边缘点，所以应该采用某种方法来对这些点进行取舍。实际工程中，常用的方法是通过阈值化方法来检测。
另外，需要注意，下文中讲到的Laplacian 算子、sobel算子和Scharr算子都是带方向的，所以，示例中我们分别写了X方向、Y方向和最终合成的的效果图。
3 canny算子简介
Canny边缘检测算子是John F．Canny于1986年开发出来的一个多级边缘检测算法。更为重要的是，Canny 创立了边缘检测计算理论（Computational theory ofedge detection），解释了这项技术是如何工作的。Canny边缘检测算法以Canny 的名字命名，被很多人推崇为当今最优的边缘检测的算法。
其中，Canny的目标是找到一个最优的边缘检测算法，让我们看一下最优边缘检测的三个主要评价标准。
- 低错误率：标识出尽可能多的实际边缘，同时尽可能地减少噪声产生的误报。
- 高定位性：标识出的边缘要与图像中的实际边缘尽可能接近。
- 最小响应：图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。
为了满足这些要求，Canny使用了变分法，这是一种寻找满足特定功能的函数的方法。最优检测用4个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。
4 Canny 边缘检测的步骤
（1）【第一步】消除噪声
一般情况下，使用高斯平滑滤波器卷积降噪。以下显示了一个size＝5的高斯内核示例：
（2）【第二步】计算梯度幅值和方向
此处，按照Sobel滤波器的步骤来操作。
①运用一对卷积阵列（分别作用于x和y方向）
②使用下列公式计算梯度幅值和方向
而梯度方向一般取这4个可能的角度之一—0度，45度，90度，135度。
（3）【第三步】非极大值抑制
这一步排除非边缘像素，仅仅保留了一些细线条（候选边缘）。
（4）【第四步】滞后阈值
这是最后一步，Canny 使用了滞后阈值，滞后阈值需要两个阈值（高阈值和低阈值）：
①若某一像素位置的幅值超过高阈值，该像素被保留为边缘像素。
②若某一像素位置的幅值小于低阈值，该像素被排除。
③若某一像素位置的幅值在两个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留。
5 Canny（）函数
Canny 函数利用Canny算子来进行图像的边缘检测操作。
C++:
void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2,
int aperturesize=3, bool L2gradient=false)
- 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。
- 第二个参数，OutputArray类型的 edges，输出的边缘图，需要和源图片有一样的尺寸和类型。
- 第三个参数，double类型的threshold1，第一个滞后性阈值。
- 第四个参数，double类型的threshold2，第二个滞后性阈值。
- 第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。
- 第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。
需要注意的是，这个函数阈值1和阈值2两者中较小的值用于边缘连接，而较大的值用来控制强边缘的初始段，推荐的高低阈值比在2：1到3：1之间。
6 示例
代码：
//---------------------------------【头文件、命名空间包含部分】----------------------------
// 描述：包含程序所使用的头文件和命名空间
//---------------------------------------------------------------------------------------
#include <opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
//-----------------------------------【main( )函数】-------------------------------------------
// 描述：控制台应用程序的入口函数，我们的程序从这里开始
//--------------------------------------------------------------------------------------------
int main( )
{
//载入原始图
Mat srcImage = imread("1.jpg"); //工程目录下应该有一张名为1.jpg的素材图
Mat srcImage1=srcImage.clone();
//显示原始图
imshow("【原始图】Canny边缘检测", srcImage);
//----------------------------------------------------------------------------------
// 一、最简单的canny用法，拿到原图后直接用。
//----------------------------------------------------------------------------------
Canny( srcImage, srcImage, 150, 100,3 );
imshow("【效果图】Canny边缘检测", srcImage);
//----------------------------------------------------------------------------------
// 二、高阶的canny用法，转成灰度图，降噪，用canny，最后将得到的边缘作为掩码，拷贝原图到效果图上，得到彩色的边缘图
//----------------------------------------------------------------------------------
Mat dstImage,edge,grayImage;
// 【1】创建与src同类型和大小的矩阵(dst)
dstImage.create( srcImage1.size(), srcImage1.type() );
// 【2】将原图像转换为灰度图像
cvtColor( srcImage1, grayImage, CV_BGR2GRAY );
// 【3】先用使用 3x3内核来降噪
blur( grayImage, edge, Size(3,3) );
// 【4】运行Canny算子
Canny( edge, edge, 3, 9,3 );
//【5】将g_dstImage内的所有元素设置为0
dstImage = Scalar::all(0);
//【6】使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中
srcImage1.copyTo( dstImage, edge);
//【7】显示效果图
imshow("【效果图】Canny边缘检测2", dstImage);
waitKey(0);
return 0;
}
原图：
效果图1：
效果图2：
