OpenGL ES入门08-图像边缘检测

前言

本文是关于OpenGL ES的系统性学习过程，记录了自己在学习OpenGL ES时的收获。
这篇文章的目标是学习OpenGL ES 2.0中的像素点的代数运算。
环境是Xcode8.1+OpenGL ES 2.0
目前代码已经放到github上面，OpenGL ES入门08-图像边缘检测

欢迎关注我的 OpenGL ES入门专题

概述

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括：1、深度上的不连续；2、表面方向不连续；3、物质属性变化；4、场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。

Canny 算子

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。Canny算子是一个具有滤波，增强，检测的多阶段的优化算子，在进行处理前，Canny算子先利用高斯平滑滤波器来平滑图像以除去噪声，Canny分割算法采用一阶偏导的有限差分来计算梯度幅值和方向，在处理过程中，Canny算子还将经过一个非极大值抑制的过程，最后Canny算子还采用两个阈值来连接边缘。

Canny算子求边缘点具体算法步骤如下

• 用高斯滤波器平滑图像。
• 用一阶偏导有限差分计算梯度幅值和方向
• 对梯度幅值进行非极大值抑制
• 用双阈值算法检测和连接边缘．

Laplacian 算子

Laplace算子是一种各向同性算子，二阶微分算子，在只关心边缘的位置而不考虑其周围的象素灰度差值时比较合适。Laplace算子对孤立象素的响应要比对边缘或线的响应要更强烈，因此只适用于无噪声图象。存在噪声情况下，使用Laplacian算子检测边缘之前需要先进行低通滤波。所以，通常的分割算法都是把Laplacian算子和平滑算子结合起来生成一个新的模板。
二维函数f(x,y)的拉普拉斯是一个二阶的微分，定义为：

二阶微分

其中：

二阶的微分

拉普拉斯算子还可以表示成模板的形式：

拉普拉斯算子

拉普拉斯算子扩展模板

扩展模板形式

Sobel 算子

Sobel算子是计算机视觉领域的一种重要处理方法。主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。Sobel算子并没有将图像的主题与背景严格地区分开来，也就是Sobel算子并没有基于图像灰度进行处理，由于Sobel算子并没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。

检测水平边沿横向模板

横向模板

检测垂直平边沿纵向模板

纵向模板

图像梯度的大小

梯度公式

梯度方向

梯度方向公式

对于给定的图像

1351141152_6697.png

近似公式的计算的结果

1351141247_8193.png

参考资料

《OpenCV3编程入门》