边缘绘制

详细描述

用于几何特征提取和验证的边缘绘制（ED）算法。

边缘绘制（ED）算法是一种主动的边缘检测方法。与许多现有的边缘检测算法采用的减法策略（即，应用梯度滤波器并根据若干规则消除像素，例如 Canny 边缘检测器中的非极大值抑制和滞后阈值）相反，ED 算法通过加法策略运行。它逐个选择边缘像素并将它们连接起来，因此得名边缘绘制。

ED 提供了几个关键优势

1. 加法策略：ED 不是在梯度滤波后消除非边缘像素，而是通过根据梯度响应选择和连接像素来增量构建边缘段。这与传统方法不同，传统方法依赖于非极大值抑制和滞后阈值来滤除非边缘像素。
2. 边缘像素选择：ED 通过分析其局部梯度响应，同时考虑相邻像素来选择边缘像素。这产生了更平滑和更连续的边缘段，因为 ED 旨在最大化沿边缘段的整体梯度强度。
3. 边缘段形成：诸如非极大值抑制之类的传统方法，检查像素是否沿其梯度方向具有最大梯度响应，否则将其消除。然而，这种方法不考虑相邻像素，通常导致较低质量的边缘段。另一方面，ED 通过最大化段的总梯度响应将一组边缘像素连接在一起，从而产生高质量、定位良好的边缘。
4. 更高级别的特征提取：在形成边缘段之后，ED 可以提取更高级别的几何特征，例如直线、圆形、椭圆形和其他形状，使其对于涉及几何特征提取和验证的任务非常有用。

ED 算法产生连续、平滑且定位良好的边缘段，使其成为需要精确边缘检测和几何形状分析的应用程序的理想选择。

类
类	cv::ximgproc::EdgeDrawing
	实现 ED (EdgeDrawing) [275]、EDLines [4]、EDPF [5]、EDCircles [6] 和 ColorED [7] 算法的类。更多...

函数
Ptr< EdgeDrawing >	cv::ximgproc::createEdgeDrawing ()
	创建一个指向 EdgeDrawing 对象的智能指针并对其进行初始化。

函数文档

createEdgeDrawing()

Ptr< EdgeDrawing > cv::ximgproc::createEdgeDrawing

(

)

Python
	cv.ximgproc.createEdgeDrawing(		) ->	retval

#include <opencv2/ximgproc/edge_drawing.hpp>

创建一个指向 EdgeDrawing 对象的智能指针并对其进行初始化。