图像分割 2 边缘检测算子canny算法原理。

                                                                                          Canny边缘检测

Canny检测优点。

1低错误率。检测出的边缘尽可能是真实的边缘。

2 边缘点应被很好的定位。由检测器标记为边缘的点应该和真实边缘的中心之间距离最小

3 单一边缘点响应，检测器不应该指出多个边缘像素。

原理 1， f（x，y）输入图像                  和f卷积得到平滑后的图像。

         2，计算图像的梯度幅度和方向。

       3，细化梯度极大值的边缘，采用非最大抑制。将边缘定义成四个方向水平，垂直，+45度，-45度。

 非最大抑制方案：

     d1,d2,d3,d4。为3*3区域的四个基本边缘方向。寻找最接近梯度方向 ,的方向dk

    如果M（x,y）的值小于沿dk的两个邻居之一，则抑制。否则g（x，y）=m（x,y）.

    最后采用双阈值处理，高阈值和低阈值比例应该为2:1，或者3:1.

#include<opencv2/opencv.hpp>#include<opencv2/imgPRoc.hpp>#include<opencv2/highgui.hpp>#include<vector>using namespace cv;using namespace std;int main() {	Mat src, gray,dst;	src = imread("1333.png");	//imshow("原图", src);	cvtColor(src, gray, CV_BGR2GRAY);	imshow("灰度图", gray);	Mat canny;	int threshold = 100;	Canny(gray, canny, threshold, threshold * 3, 3);//高低阈值选取，sobel核大小	imshow("边缘检测", canny);	///Prewitt算子	Mat pgx;	Mat PrewittGx = (Mat_<float>(3, 3)<< -1, -1, -1, 0, 0, 0, 1, 1, 1);	filter2D(gray, pgx, gray.depth(), PrewittGx);	imshow("Prewitt算子Gx", pgx);	Mat pgy;	Mat PrewittGy = (Mat_<float>(3, 3) << -1, 0, 1, -1, 0, 1, -1, 0, 1);	filter2D(gray, pgy, gray.depth(), PrewittGy);	//imshow("Prewitt算子Gy", pgy);	///Roberts算子	Mat Roberts1,Roberts2;	Mat R1 = (Mat_<float>(2, 2) << -1, 0, 0, 1);	filter2D(gray, Roberts1, gray.depth(), R1);	imshow("Roberts算子", Roberts1);	///Sobel算子	Mat Sobel;	Mat S = (Mat_<float>(3, 3) << -1, -2, -1,		                             0, 0, 0,		                             1, 2, 1) ;	filter2D(gray.clone(), Sobel, src.depth(), S);	imshow("Sobel算子", Sobel);	///高斯拉普拉斯	Mat GL;	Mat G = (Mat_<float>(5, 5) << 0, 0, -1, 0, 0,		0, -1, -2, -1, 0,		-1, -2, 16, -2, -1,		0, -1, -2, -1, 0,		0, 0, -1, 0, 0);	filter2D(gray.clone(), GL, src.depth(), G);	imshow("高斯拉普拉斯", GL);	waitKey(0);}
参考http://www.open-open.com/lib/view/open1453460512558.html
        《数字图像处理》冈萨雷斯