Halcon edges_sub_pix

1、算子帮助文档

        edges_sub_pix 使用递归实现的滤波器（根据Deriche、Lanser和Shen的方法）或Canny提出的常规实现的“高斯导数”滤波器（使用滤波器掩模）来检测阶梯边缘。因此，以下边缘算子可用于滤波器：

        'deriche1', 'lanser1', 'deriche2', 'lanser2', 'shen', 'mshen', 'canny', 'sobel' 和 'sobel_fast'。

        提取的边缘作为亚像素精确的XLD轮廓在Edges中返回。对于除'sobel_fast'之外的所有边缘算子，为每个边缘点定义了以下属性（有关更多详细信息，请参阅get_contour_attrib_xld）：

'edge_direction'：
给出边缘的方向（而非XLD轮廓的方向），根据图像在水平和垂直方向上的梯度计算得出。角度[弧度]是相对于图像的列轴给出的。

'angle'：
轮廓法向量的方向，以弧度表示（法向量指向轮廓的右侧，当从起点到终点遍历轮廓时；角度是相对于图像的行轴给出的）。

'response'：
边缘幅度（梯度大小）。

        对于除'sobel'和'sobel_fast'之外的所有边缘算子，可以任意选择“滤波器宽度”（即平滑量），并且可以通过调用info_edges来估计Alpha参数的具体值。对于所有滤波器（Deriche、Lanser和Shen滤波器），Alpha增加时“滤波器宽度”减小。唯一的例外是Canny滤波器，其中Alpha增加也会导致“滤波器宽度”增加。“宽”滤波器对噪声具有更大的不变性，但检测小细节的能力降低。非递归滤波器，如Canny滤波器，是使用滤波器掩模实现的，因此执行时间随着滤波器宽度的增加而增加。相比之下，递归滤波器的执行时间不依赖于滤波器宽度。因此，使用Deriche、Lanser和Shen滤波器可以实现任意滤波器宽度，而不会增加运算符的运行时间。与Canny运算符相比，这在速度上的优势对于较大的滤波器宽度自然会增加。作为边界处理，递归运算符假设图像在图像外部为零，而Canny运算符则重复图像边界上的灰度值。对于以下Alpha选择，滤波器的信噪比是可比较的：

Alpha('lanser1') = Alpha('deriche1'),
Alpha('deriche2') = Alpha('deriche1') / 2,
Alpha('lanser2') = Alpha('deriche2'),
Alpha('shen') = Alpha('deriche1') / 2,
Alpha('mshen') = Alpha('shen'),
Alpha('canny') = 1.77 / Alpha('deriche1').

        最初提出的递归滤波器（'deriche1', 'deriche2', 'shen'）返回的对角边缘幅度估计存在偏差。在相应的修改版运算符（'lanser1', 'lanser2' 和 'mshen'）中，这种偏差被消除，同时保持了相同的执行速度。

        对于相对较小的滤波器宽度（11 x 11），即Alpha（'lanser2' = 0.5）时，所有滤波器都会产生相似的结果。只有当滤波器“更宽”时，差异才开始出现：Shen滤波器开始产生质量较低的结果。然而，它们是支持任意掩模大小的实现运算符中最快的，紧随其后的是Deriche运算符。使用固定掩模大小（3 x 3）的两个Sobel滤波器比其他滤波器更快。其中，'sobel_fast'滤波器比'sobel'快得多。

  edges_sub_pix 通过使用类似于滞后阈值操作的算法将边缘点连接成边缘，该算法也在lines_gauss中使用。幅度大于High的点立即被接受为属于边缘，而幅度小于Low的点则被拒绝。所有其他点如果与已接受的边缘点相连，则被视为边缘（另请参见lines_gauss和hysteresis_threshold）。

        由于边缘提取器通常无法提取某些连接点，因此可以通过在上述Filter值后附加'_junctions'来选择一种通过不同方式提取这些缺失连接点的模式。这种模式类似于lines_gauss中可用的完成连接点的模式。

        'sobel_fast'边缘算子与其他所有边缘算子具有相同的语义。然而，在内部，它基于各个处理步骤的显著简化变体（滞后阈值化、边缘点连接和亚像素边缘位置的提取）。因此，'sobel_fast'在某些情况下可能会返回略微不太准确的边缘位置，并且可能会选择不同的边缘部分。

   edges_sub_pix 可以在OpenCL设备上为'canny'和'sobel_fast'滤波器类型执行。这将需要多达widthheight29字节的固定内存。由于分配内存是一个昂贵的操作，因此将固定内存缓存设置为至少此大小是有意义的（使用set_compute_device_param为参数'pinned_mem_cache_capacity'设置），或者完全禁用固定内存（使用set_compute_device_param为参数'alloc_pinned'设置），在这种情况下，将使用正常的内存缓存。请注意，结果可能与CPU实现有所不同。

2、算子原型

edges_sub_pix(Image : Edges, Filter, Alpha, Low, High : )

各参数的含义如下：

1. Image：输入的单通道灰度图像。
2. Edges：输出的XLD轮廓。
3. Filter：选择的滤波算子，用于边缘检测。默认是Canny，可选的有Canny、Deriche、Deriche Int4、Deriche2、Deriche2 Int4、Lanser1、Lanser2、MShen、Shen、Sobel_fast等。不同的滤波器对噪声的敏感度和计算效率有所不同。
4. Alpha：平滑的程度。其值越小，表示平滑的程度越大。默认是0，可以取0.1到1.1之间的值。平滑有助于减少噪声对边缘检测的影响，但过多的平滑可能导致边缘细节的丢失。
5. Low：滞后阈值的低阈值。低阈值越低，图像的细节会越丰富。低于此阈值的像素被认为不是边缘。
6. High：滞后阈值的高阈值。高于此阈值的像素被认为是强边缘，这些边缘通常是连续的。在高阈值和低阈值之间的像素被认为是弱边缘，它们的边缘状态取决于其相邻像素。

3、使用技巧

选择合适的滤波器：

        根据图像的特点和噪声情况选择合适的滤波器。例如，如果图像质量较好且噪声较小，可以选择速度较快的'sobel_fast'滤波器。但如果对边缘的精度要求较高，则建议选择'canny'或'lanser2'等更复杂的滤波器。

调整平滑参数：

        通过调整Alpha参数来控制平滑的程度。平滑可以减少噪声对边缘检测的影响，但过度的平滑也可能导致边缘细节的丢失。因此，需要根据实际情况进行权衡。

设置合理的滞后阈值：

        低阈值Low和高阈值High的设置对边缘检测的结果有很大影响。低阈值越低，图像中的细节会越丰富；而高阈值则用于区分边缘与背景。在实际应用中，可以通过尝试不同的阈值组合来找到最佳的设置。

预处理和后处理：

        在进行边缘检测之前，可以对图像进行预处理，如高斯滤波或二值化等，以减少噪声或突出边缘特征。在边缘检测之后，还可以进行后处理操作，如轮廓分割、合并或拟合等，以得到更精确的边缘轮廓。

利用图像掩膜：

        如果只对图像的特定区域感兴趣，可以使用图像掩膜来限制边缘检测的范围。这不仅可以提高边缘检测的准确性，还可以缩短算法的执行时间。

4、参数设置参考

其中的固定值按需修改，使用尽量多测试

High := 6 + 20 * (1 - Sensitivity)
Low := 3 + 10 * (1 - Sensitivity)
if(BrightLineSensitivity >= 0.75)Alpha := 1.1
elseif(Sensitivity >= 0.4 and Sensitivity < 0.75)Alpha := 0.5
elseAlpha := 0.2
endif
edges_sub_pix (ImageScaled, Edges, 'canny', Alpha, Low, High)