Halcon编程笔记-(3) 边缘检测-Prewitt算子、非极大值抑制

read_image (Image, 'C:/Users/ShineZhang/Desktop/img/IMG_20200109_155410.jpg')
prewitt_dir (Image, ImageEdgeAmp, ImageEdgeDir)
nonmax_suppression_dir (ImageEdgeAmp, ImageEdgeAmp, ImageResult, 'nms')
threshold (Image, Regions1, 200, 255)
dev_display (Image)
dev_set_color ('red')
dev_display (Regions1)

prewitt_dir

Prewitt算子

Prewitt算子是一种图像边缘检测的微分算子，其原理是利用特定区域内像素灰度值产生的差分实现边缘检测。由于Prewitt算子采用 33 模板对区域内的像素值进行计算，而Robert算子的模板为 22，故Prewitt算子的边缘检测结果在水平方向和垂直方向均比Robert算子更加明显。Prewitt算子适合用来识别噪声较多、灰度渐变的图像。

nonmax_suppression_dir

非极大值抑制

（Non-maximum suppression，NMS）是一种去除非极大值的算法，常用于计算机视觉中的边缘检测、物体识别等。

算法流程：

给出一张图片和上面许多物体检测的候选框（即每个框可能都代表某种物体），但是这些框很可能有互相重叠的部分，我们要做的就是只保留最优的框。假设有N个框，每个框被分类器计算得到的分数为Si, 1<=i<=N。

0、建造一个存放待处理候选框的集合H，初始化为包含全部N个框；

 建造一个存放最优框的集合M，初始化为空集。

1、将所有集合 H 中的框进行排序，选出分数最高的框 m，从集合 H 移到集合 M；

2、遍历集合 H 中的框，分别与框 m 计算交并比（Interection-over-union，IoU），如果高于某个阈值（一般为0~0.5），则认为此框与 m 重叠，将此框从集合 H 中去除。

3、回到第1步进行迭代，直到集合 H 为空。集合 M 中的框为我们所需。

参考资料：
非极大值抑制（NMS）讲解
数字图像处理(19): 边缘检测算子(Roberts算子、Prewitt算子、Sobel算子 和 Laplacian算子)
非极大值抑制（Non-Maximum Suppression，NMS）