一、算子介紹

1.1 種類
halcon內常用的邊緣檢測算子包括如下幾種：
1.edges_image: 提取2D 圖像邊緣
2.edges_sub_pix：提取2D圖像亞像素邊緣
3.edges_object_model_3d ：提取3D圖像邊緣
4.edges_color和edges_color_sub_pix：提取彩色圖像邊緣
1.2 區別
edges_image可選擇多種邊緣檢測算法來提取物體邊緣，其與亞像素邊緣算子的區別在于edges_image提取是以像素為單位的邊緣特征，edges_sub_pix是以比像素還小的單位來提取的邊緣，一般采用矩方法，插值法和擬合法。

二、詳解

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

該算子內主要參數包括：
ImaDir（圖像邊緣方向，對sobel_fast算法無用，因為其不計算方向信息）
Filter（邊緣算子，包括’canny’, ‘deriche1’, ‘deriche1_int4’, ‘deriche2’, ‘deriche2_int4’, ‘lanser1’, ‘lanser2’, ‘mshen’, ‘shen’, ‘sobel_fast’）
Alpha（過濾器參數，小的值導致強平滑，但是更少的細節（canny算子相反））
NMS(非最大值抑制（設置為none，表示不需要使用該值）)
Low（滯后閾值操作的下閾值（如果不需要閾值設置，則為負值））
High（滯后閾值操作的上閾值（如果不需要閾值設置，則為負值））
2.2 邊緣檢測算法
對于算法來講，目前canny算子是最穩定的邊緣檢測方法。
canny算法由邊緣強度、邊緣細化（NMS）、滯后閾值三個階段組成。
首先，邊緣強度的計算是計算圖像梯度：梯度幅值矩陣、梯度方向矩陣：
1）圖像灰度化
2）高斯濾波
3）sobel濾波器求出x,y方向上梯度圖像，記為fx、fy
4）利用fx、fy求出梯度幅值和梯度的方向
5）此時的梯度方向為[-90，+90]之間的任意值，將它們規則化為四類種0、45、90、135度。
然后，計算非最大值抑制（NMS），我們根據已經規則化的方向矩陣中存儲的方向先分類，之后比較相同方向上的三顆像素，確保中間像素的值最大，否則將它置零，最后得出了清洗過的梯度幅值矩陣。
最后，繼續處理梯度幅值矩陣，根據設定高閾值high、低閾值low將圖像分成三部分:
1.梯度幅值大于high的像素，將值置為255；
2.梯度幅值小于low的像素，將值置為0；
3.梯度幅值在中間的像素，用它的8鄰域判斷，鄰域內若有值大于high，則將中間的像素置為255；
下面對涉及
下面結合程序對每種濾波算法進行演示講解：

read_image (I, 'C:/Users/Administrator/Desktop/a.png')
dev_close_window ()
dev_open_window(0, 0, 512, 512, 'black', WindowHandle)
get_image_size (I, Width, Height)
dev_set_window_extents (0, 0, Width, Height)
rgb1_to_gray(I, GrayImage)
*dev_set_lut ('change2')
*設置滯后閾值為默認值
*濾波參數值Alpha
*設置滯后閾值必須大于0，小于255，值越小細節越多，但同時會帶來很多不需要的邊緣信息。
*值越大則會丟失邊緣，很多邊緣點值都會被設置為0。
edges_image(GrayImage, ImaAmp, ImaDir, 'canny', 1, 'nms', 20, 40)
dev_display(ImaAmp)