Halcon经典的边缘检测算子Sobel/Laplace/Canny

Halcon经典的边缘检测算子

关于边缘检测，有许多经典的算子，各大图形处理库都有各自的边缘检测算子，这里简要介绍几种。

1. Sobel算子

Sobel算子结合了高斯平滑和微分求导。它是一阶导数的边缘检测算子，使用卷积核对图像中的每个像素点做卷积和运算，然后采用合适的阈值提取边缘。Soble算子有两个卷积核，分别对应x与y两个方向。其计算过程如下。
（1）分别在x和y两个方向求导。
（2）在图像的每一个像素点上，结合以上两个结果求出近似梯度。

2. Laplace 算子

Laplace算子是一种二阶导数算子。在图像的边缘区域，像素值会发生比较大的变化，对这些像素求导会出现极值。在这些极值位置，其二阶导数为0，所以也可以用二阶导数来检测图像边缘。

3. Canny 算子

Canny 算子的基本思想是寻找梯度的局部最大值。首先使用高斯平滑滤波器卷积降噪，再用一对卷积阵列计算边缘梯度和方向，然后使用非极大值抑制移除非边缘线条，最后使用滞后阈值（高阈值和低阈值）检测并连接边缘。

4. 总结

（1）Sobel 算子在边缘检测的同时尽量减少了噪声的影响，比较容易实现。它对像素位置的影响进行了加权，因此效果比较好，是很常用的边缘检测方法。
（2）Laplace 算子是一种各向同性算子，比较适用于只关心边缘的位置而不考虑其周围像素的灰度差值的情况。Laplace算子对孤立像素的响应要比对边缘或线的响应更强烈，因此只适用于天
噪声图像。存在噪声的情况下，使用Laplace算子进行边缘检测之前需要先进行低通滤波处理。
（3）Canny 算子是目前理论上相对最完善的一种边缘检测算法，但其也存在不足之处：为了得到较好的边缘检测结果，它通常需要使用较大的滤波尺度，这样容易丢失一些细节。