在 OpenCV扩充套件模组里面，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影象的 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 噪声影象适应性比较好。
话不多说，测试效果。
呼叫如下:
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 引数比较难以设定。
专案中，很少用这些算法，毕竟不是很稳定的算法。不过，可以扩充套件 对 边缘检测算法的眼界。
我遇到不少搞影象处理的，居然连最基本的边缘检测 Sobel/Prewitt/Roberts/Laplace等都不懂。（很多搞影象处理的，只会标资料，然后用深度学习框架，我表示鄙视）
传统影象处理、深度学习影象处理，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。
