opencv笔记（一）：边缘检测的4种算子

边缘检测：可以用导数来检测

1.canny算子：采用一阶偏导的有限差分来计算梯度幅值和方向,方向导数达到局部最大则为边缘候选点；

                         创新点在于试图将边缘像素拼接成轮廓，轮廓的形成即使用滞后性阈值：通过高低两个阈值的设定，高阈值用来控制强边缘的初始段，低阈值用来边缘连接。

                         高阈值求的边缘一般断断续续，断开的地方如果低阈值求的边缘存在，就用低阈值的边缘接上去，目的让边缘尽量都连在一起。两阈值间的点为疑似边缘点，根据     连 通性确定，如果疑似点的邻接像素中有边缘点则认为是边缘点。

2.sobel算子:在某个点使用sobel算子，产生梯度矢量（可用来边缘检测）或法矢量（可用来计算法线）。计算时先在x，y方向求导数，即分别和核进行卷积，

                        Gx = |(P3+2P6+P9)-（P1+2P4+P7)|

                        Gy = |(P1+2P2+P3) - (P7+2P8+P9)|

                        假如中间为边缘，那么边缘两侧的亮度差距就会变大，乘以符号相反的系数，会使得最终的结果达到很大的值，在图像上来看就是白色；而不是边缘的区域，左右两  边或者上下两边就会抵消，在图像上看就是黑色。

3.scharr滤波器：对小的核来说，sobel算子的精度低，例如3*3的核，可以用scharr代替sobel，速度一样，精度高。

4.拉普拉斯算子：利用sobel算子算出图像上x，y方向的导数，带入到公式中。拉普拉斯求2阶导，边缘位于拉普拉斯值为0的地方，2阶导数为0，即一阶导为极大或极小值。