5.1 边缘检测基础

5.1.1边缘检测：找出图像中亮度（灰度？）变化剧烈的像素点构成的集合。

结构属性

有哪些边缘检测类型：一阶微分为基础（Sobel算子等）、二阶微分为基础（拉普拉斯算子、高斯拉普拉斯算子、Canny算子边缘检测等），混合两者为基础。

5.1.2梯度算子：数字图像—>差分代替微分运算。定义图像的梯度为梯度算子。图像梯度最重要的性质是梯度的方向是在图像灰度变化最大率上，恰好反应出图像边缘上的灰度变化。

5.1.3一阶微分算子，利用图像在边缘处阶跃性，即图像梯度在边缘处取得极大值的特性来进行边缘检测。对于一幅二维数字图像需要完成x和y两个方向微分。得到梯度是一个矢量：具有模和方向，梯度方向提供了边缘的趋势信息，梯度方向始终与边缘方向正交，梯度的模值大小提供了边缘的强度信息。

5.1.4二阶微分算子

5.1.5图像差分运算

//////////////////////////////////5.1.5图像差分运算//////////////////////////////////////////
//////https://blog.csdn.net/gone_huilin/article/details/53223575

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>

using namespace cv;

// 图像差分操作
void diffOperation(const cv::Mat srcImage, cv::Mat& edgeXImage,
    cv::Mat& edgeYImage)
{
    cv::Mat tempImage = srcImage.clone();
    int nRows = tempImage.rows;
    int nCols = tempImage.cols;
    for (int i = 0; i < nRows - 1; i++)
    {
        for (int j = 0; j < nCols - 1; j++)
        {
            // 计算垂直边边缘
            edgeXImage.at<uchar>(i, j) =
                abs(tempImage.at<uchar>(i + 1, j) -
                    tempImage.at<uchar>(i, j));
            // 计算水平边缘
            edgeYImage.at<uchar>(i, j) =
                abs(tempImage.at<uchar>(i, j + 1) -
                    tempImage.at<uchar>(i, j));
        }
    }
}

int main()
{
    cv::Mat srcImage = cv::imread("D:\楼房.jpg");
    if (!srcImage.data)
        return -1;
    cv::imshow("srcImage", srcImage);
    cv::cvtColor(srcImage, srcImage, CV_BGR2GRAY);
    cv::imshow("srcImage", srcImage);
    cv::Mat edgeXImage(srcImage.size(), srcImage.type());
    cv::Mat edgeYImage(srcImage.size(), srcImage.type());
    // 计算查分图像
    diffOperation(srcImage, edgeXImage, edgeYImage);
    cv::imshow("edgeXImage", edgeXImage);
    cv::imshow("edgeYImage", edgeYImage);
    cv::Mat edgeImage(srcImage.size(), srcImage.type());
    // 水平与垂直边缘图像叠加
    addWeighted(edgeXImage, 0.5, edgeYImage,
        0.5, 0.0, edgeImage);
    cv::imshow("edgeImage", edgeImage);
    cv::waitKey(0);
    return 0;
}

修改叠加权重，如下：

addWeighted(edgeXImage, 10, edgeYImage, 10, 0.0, edgeImage);

参考：

https://blog.csdn.net/gone_huilin/article/details/53223575

https://blog.csdn.net/qq_31531635/article/details/73382603 

https://blog.csdn.net/gone_huilin/article/details/53223575 

5.1.6 非极大值抑制

图像梯度矩阵中的元素值越大，说明图像中改点的梯度值越大，但这并不能将其判断为改点的边缘。

非极大值抑制操作可以剔除伪边缘信息，原理：通过像素邻域的局部最优值，将非极大值点所对应的灰度值设置为背景像素点。