Halcon边缘滤波器edges_image 算子

基于Sobel滤波器的边缘滤波方法是比较经典的边缘检测方法。除此之外，Halcon也提供了一些新式的边缘滤波器，如edges_image算子。它使用递归实现的滤波器（如Deriche、Lanser和Shen）检测边缘，也可以使用高斯导数滤波器检测边缘。此外，edges_image算子也提供了非极大值抑制和滞后阈值，使提取出的边缘更细化。edges_image 算子同样能返回精确的边缘梯度和方向，这一点比Sobel滤波器要好一些，但是相应地所花的时间也长一些。对一些强调精度而不注重运算时间的场合，可以使用edges_image算子来提高检测效率。此外，也可以结合使用sobel_fast滤波器,以提高检测的速度。
该算子的原型如下：

edges_image (Image： ImaAmp, ImaDir : Filter, Alpha, NMS, Low, High :)

其各参数含义如下。
参数1：Image为输入的单通道图像。
参数2：ImaAmp为输出的边缘梯度图像。
参数3：ImaDir 为输出的边缘方向图像。
参数4：Filter 为输入参数，表示选择的滤波算子。默认为canny，也可以选择derichel、derichel _int4、deriche2、deriche2 _int4、 lanserl、lanser2、mshen、shen、 sobel fast。
参数5：Alpha为输入参数，表示平滑的程度。值越小，表示平滑的程度越大。默认是0，也可以取0.1到1.1之间的值。
参数6：NMS 表示非极大值抑制。默认为nms，表示使用非极大值抑制；也可以设为none,表示不使用非极大值抑制。使用非极大值抑制可以使模糊的边界变得清晰，因为这步操作只留下边缘上梯度强度最大的点。
参数7和8：Low和High分别表示滞后阈值的低阈值和高阈值。边缘梯度比高阈值大的部分是可以被接受的；低于低阈值的部分将被排除；介于两者之间的，要看该像素是否与边缘点相连.相连的可以认为是边缘。
如图所示，其输入图像与图（a）所示的图像相同。这里使用了3种边缘提取方法进行对比。图（a）为使用canny 滤波器提取的，没有使用非极大值抑制的边缘梯度图像；图（b)）为使用canny 滤波器提取的，使用了非极大值抑制的边缘梯度图像；图（c）在图（b）的基础上加入了灰度阈值处理，并描绘出了经阀值处理的框架图像。

实现代码如下：

dev_close_window ()
read_image(Image,'data/flower')
rgb1_to_gray (Image, GrayImage)
gen_image_proto (Image, ImageCleared, 1)
dev_open_window (0, 0, 256, 256, 'black', WindowHandle1)
dev_open_window (0, 256, 256, 256, 'black', WindowHandle2)
dev_open_window (0, 512, 256, 256, 'black', WindowHandle3)
edges_image (GrayImage, ImaAmpGray, ImaDirGray, 'canny', 1, 'none', -1, -1)
edges_image (GrayImage, ImaAmpGrayNMS, ImaDirGrayHyst, 'canny', 1, 'nms',20, 40) 
*对非极大值抑制后的边缘梯度图像进行了阈值处理
threshold (ImaAmpGrayNMS, RegionGray, 1, 255) 
*提取边缘轮廓
skeleton (RegionGray, EdgesGray) 
*用于结果显示和对比
dev_set_window (WindowHandle1)
dev_display (ImageCleared) 
dev_display (ImaAmpGray) 
dev_set_window (WindowHandle2)
dev_display (ImageCleared) 
dev_display (ImaAmpGrayNMS) 
dev_set_window (WindowHandle3)
dev_display (ImageCleared) 
dev_display (EdgesGray)

该例中使用camny滤波器对灰度图像进行边缘检测，可以快速地获取边缘梯度与方向信息。代码中使用了不同参数的edges_image 算子提取边缘，并使用了非极大值抑制（Non-Maximum Suppression，NMS）。接着对经非极大值抑制的边缘梯度图像进行阈值处理，提取出较亮的边缘部分。
因为经非极大值抑制后，边缘仅剩下梯度最大的像素，所以经阈值处理提取出的像素就是图像的边缘。而如果使用未经非极大值抑制的图像，可能阈值处理会提取出过多的像素，无法理想地表现出边缘信息。
与edges_image 算子类似的还有edges_color算子，该算子可以用于提取彩色图像的边缘，其原型如下：

edges_color(Image : ImaAmp, ImaDir : Filter, Alpha, NMS, Low, High : )

其中第1个参数表示输入图像的类型为彩色图像，其他参数与edges_image算子类似。