边缘检测算法6.-Paillou边缘检测

在 OpenCV扩展模块里面，有一个算法：

paillou定义的 边缘检测

查资料，了解是 1997年 Paillou 提出来的 改进 SAR图像的 边缘检测方法。

论文在这个地方：https://ieeexplore.ieee.org/document/551947

The author presents a new linear edge detector that is very well suited to process noisy images. Performances of the new operator have been evaluated using Canny's criteria together with experimental comparison results on a noisy SAR image.

一种新的 边缘检测，对 噪声图像适应性比较好。

话不多说，测试效果。

调用如下:

const Mat& src = ...... int cn = src.channels(); Mat ret; if (direction == 'both') { Mat hMat, vMat; ximgproc::GradientPaillouX(src, hMat, alpha, omega); ximgproc::GradientPaillouY(src, vMat, alpha, omega); if (resType == 'abs') { hMat = abs(hMat); vMat = abs(vMat); } else if (resType == 'cast') { hMat.convertTo(hMat, CV_8UC(cn)); vMat.convertTo(vMat, CV_8UC(cn)); } ret = hMat + vMat; } else if (direction == 'horizontal') { ximgproc::GradientPaillouX(src, ret, alpha, omega); if (resType == 'abs') ret = abs(ret); else if (resType == 'cast') ret.convertTo(ret, CV_8UC(cn)); } else if (direction == 'vertical') { ximgproc::GradientPaillouY(src, ret, alpha, omega); if (resType == 'abs') ret = abs(ret); else if (resType == 'cast') ret.convertTo(ret, CV_8UC(cn)); } cv::normalize(ret, _dst, 0, 255, cv::NORM_MINMAX, CV_8UC(cn));//归一化到 0~255之间 dst = _dst;

alpha=2,omega=1;边缘较粗

alpha=20,omega=1;边缘变细

测试 Canny 算法

水平/竖直 paillou 传递给 Canny算法

这个边缘检测 算法效果应该比 Sobel好一点，不过 alpha,omega 参数比较难以设置。

项目中，很少用这些算法，毕竟不是很稳定的算法。不过，可以扩展 对 边缘检测算法的眼界。

我遇到不少搞图像处理的，居然连最基本的边缘检测 Sobel/Prewitt/Roberts/Laplace等都不懂。（很多搞图像处理的，只会标数据，然后用深度学习框架，我表示鄙视）

传统图像处理、深度学习图像处理，都是工具，掌握的方法越多，解决问题的能力越强。

当你手中只有一把锤子的时候，你往往会把一切的问题都看成钉子。