第5章 VTK图像处理
学习教程：《VTK图形图像开发进阶》张晓东，罗火灵
特别感谢：东灵工作室
5.4 边缘检测
图像中不连续的灰度值会产生边缘，图像的边缘检测是基于边界的图像分割方法的基础。梯度实际上是反映图像的边缘信息。图像边缘常用图像一阶导数和二阶导数来检测。
5.4.1 梯度算子
梯度算子 对应图像一阶导数。图像一阶导数一般是通过差分运算来近似的。由于梯度图像是一个矢量，不能直接显示，因此需要计算图像中每个像素点的梯度大小，2-范数，即矢量的模。
计算梯度时，采用的是中间差分法，即像素在每个方向的差分都是利用前后两个像素值之差。vtkImageGradient类的内部定义了一个HandleBoundaries变量，会对是否计算边界像素梯度进行判断。
注意：彩色图像不能直接用来计算梯度，需要先转换为灰度图像。
索贝尔（Sobel）算子 也是一种常用的梯度算子。它采用3×3的模板在图像上移动，并在每个位置上计算对应中心像素的梯度值。
流程：
1.利用Sobel算子计算图像的梯度图像
2.提取X方向的梯度分量和Y方向的梯度分量
3.由于计算Sobel算子的值可能为负值，便对各分量图像计算绝对值
4.由vtkImageShiftScale将图像的数值范围调节到[0，255]再显示。
5.4.2 Canny算子
计算步骤：
1.消除原图像噪声（高斯平滑）
2.计算图像中每个像素的梯度，并计算模值和方向（差分法）
3.对梯度进行“非极大值抑制”。图像边缘点梯度值通常在梯度方向是极大值，因此检测边缘需要将非极大值赋值0来抑制非边缘点。
4.双阈值法检测边缘和连接边缘。取两个梯度阈值high和low。
将梯度图像中小于high的像素赋0得到边缘图像L1，该图像能够接近图像边缘但是可能会存在间断点。
将梯度图像中低于low的像素赋0得到边缘图像L2，该图像受噪声影响比较大，但是边缘信息更多。
连接边缘时，以L1为基础，对非零点进行边缘追踪，如果追踪过程中出现中断，则从L2对应像素点及其邻域来寻找可以连接的边缘，直至结束。
5.4.3 拉普拉斯算子
拉普拉斯算子是一个二阶边缘算子，即梯度的散度。其也是通过模板实现的。
拉普拉斯算子计算图像的二阶导数，对图像噪声比较敏感。拉普拉斯算子的结果为标量，表示边缘的宽度。但是它常产生双像素宽边缘，而且不能提供方向信息，因此较少直接用于边缘检测。