本篇文章中，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,Laplace算子以及Scharr滤波器。文章中包含了五个浅墨为大家准备的详细注释的博文配套源代码。在介绍四块知识点的时候分别一个，以及最后的综合示例中的一个。文章末尾提供配套源代码的下载。

  **** 给大家分享一个OpenCv中写代码是节约时间的小常识。其实OpenCv中，不用nameWindow,直接imshow就可以显示出窗口。大家看下文的示例代码就可以发现，浅墨在写代码的时候并没有用namedWindow，遇到想显示出来的Mat变量直接imshow。我们一般是为了规范，才先用namedWindow创建窗口，再imshow出它来，因为我们还有需要用到指定窗口名称的地方，比如用到trackbar的时候。而一般情况想显示一个Mat变量的图片的话，直接imshow就可以啦。

  一、关于边缘检测

     在具体介绍之前，先来一起看看边缘检测的一般步骤吧。。

   （1）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（具体见“高斯滤波原理及其编程离散化实现方法”一文），然后基于高斯核函数对图像灰度矩阵的每一点进行加权和（具体程序见下文）

   （2）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）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，这些点并不是我们想要的找的边缘点，所以应该采用某种方法来对这些点进行取舍。在实际工程中，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Laplace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。

   二、canny算子篇

   2.1 canny算子相关理论与概念讲解

       2.1.1 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:

  1 低错误率：标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报

  2 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

  3 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。最优检测使用4个指数函数项的和来表示，但是它们非常近似于高斯函数的一阶导数。

    2.1.2 Canny 边缘检测的步骤

   1   消除噪声。一般情况下，使用高斯平滑滤波器卷积降噪。 如下显示了一个 size = 5 的高斯内核示例:

  不能理解还。。。。。。。。。。。。。。

  2.计算梯度幅值和方向。（此处按照Sobel滤波器的步骤）

   （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

          梯度方向近似到四个可能角度之一(一般为0, 45, 90, 135)

     （3）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）滞后阈值。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）如果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）如果某一像素位置的幅值小于低阈值，该像素被排除

           （3）如果某一像素位置的幅值在俩个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留

          tips：对于Canny函数的使用，推荐的高低阈值比在2:1到3:1之间。

             更多的细节，可以参考canny算子的wikipedia：http://en.wikipedia.org/wiki/Canny_edge_detector

    发现浅墨大神推荐的俩个网址失效了，改天我会专门 写一节关于Canny的博客。。。。这里暂时先不做过多的理解

    2.2 OpenCV中Canny函数详解

          Canny函数利用Canny算法来进行图像的边缘检测。 

1 void Canny(InputArray image,OutputArray edges,double threshold1,
2            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2两者的小者用于边缘连接，而大者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。

   调用示例：

1 //载入原始图
2 Mat src = http://www.mamicode.com/imread("1.jpg");  
3 Canny(src,src,3,9,3);
4 imshow("【效果图】Canny边缘检测", src);

    如上三句，就有结果出来，非常好用。

  2.3 调用Canny函数的实例代码

 1 #include <opencv2/core/core.hpp>
 2 #include <opencv2/opencv.hpp>
 3 #include <opencv2/highgui/highgui.hpp>
 4 #include <opencv2/imgproc/imgproc.hpp>
 5 #include <iostream>
 6 
 7 using namespace std;
 8 using namespace cv;
 9 
10 /*-------------------------------------------
11           【1】Canny算子
12 --------------------------------------------*/
13 int main()
14 {
15     //载入原始图
16     Mat src = http://www.mamicode.com/imread("1.jpg");
17     Mat src1 = src.clone();
18     //Mat src2 = src.clone();
19 
20     //显示原始图
21     imshow("【原始图】Canny边缘检测", src);
22 
23     /*-------------------------------------------
24       （1） 最简单的canny用法，拿到原图后直接用
25     ---------------------------------------------*/
26     Canny(src,src,150,100,3);
27     imshow("【效果图】Canny边缘检测", src);
28 
29     /*------------------------------------------------------------------------------------------------------------
30        (2)高阶的canny用法，转成灰度图，降噪，用Canny,最后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
31     --------------------------------------------------------------------------------------------------------------*/
32     Mat dst, edge, gray;
33 
34     //(1)创建于src 同类型和大小的矩阵（dst）
35     dst.create(src1.size(),src1.type());
36 
37     //(2)将原图转换为灰度图像
38     cvtColor(src1,gray,CV_BGR2GRAY);
39 
40     //(3)使用3*3内核来降噪
41     blur(gray,edge,Size(3,3));
42 
43     //(4)运行Canny算子
44     Canny(edge,edge,3,9,3);
45 
46     //(5)将g_dstImage内的所有元素设置为0
47     dst = Scalar::all(0);
48 
49     //(6)使用Canny算子输出的边缘图g_cannyDetectEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中
50     src1.copyTo(dst,edge);
51 
52     //(7)显示效果图
53     imshow("【效果图】Canny边缘检测2", dst);
54 
55     waitKey();
56 
57     return 0;
58 }

   我这里第一个不知道为什么不成功，显示出的是一片黑。。。。。。。。。。（我猜是不是在3版本中不能这样直接用，或者格式不是这样的）

   三、sobel算子篇   

      3.1 sobel算子相关理论与概念讲解            

            3.1.1 基本概念

         sobel 算子是一个主要用做边缘检测的离散微分算子（discrete differentiation operator）.Sobel算子结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。

  sobel算子相关概念，还可以参看这篇博文：http://www.cnblogs.com/lancidie/archive/2011/07/17/2108885.html

   3.1.2 sobel算子的计算过程

    。。。。。。。。明天继续

学习 opencv---(11)OpenC 边缘检测：Canny算子，Sobel算子，Laplace算子，Scharr滤波器