边缘检测的基本步骤： 滤波，增强， 检测
一、 滤波
1 线性滤波
1.1 平滑处理： 也称模糊处理，用于减少噪点或失真，降低图像分辨率时使用较多。
1.2 图像滤波： 图像预处理必不可少的操作，在保留特征信息的情况下抑制目标噪声。图像滤波目的：抽出特征；消除噪声。要求： 不能损坏轮廓和边缘等重要信息；图像视觉信息良好。
滤波器：加权系数窗口
5中常见的平滑化操作方法： 方框滤波BoxBLur；均值滤波Blur；高斯滤波GaussianBlur; 中值滤波medianBlur；双边滤波bilateralBlur。
1.3 邻域算子： 用像素周围的像素值决定此像素的最终输出（就是卷积处理）。
1.4 方框滤波：box filter
函数：boxFilter（src,dst,ddepth(深度，-1代表原图深度)， ksize(内核大小，size（3,3)为3X3））
1.4 均值滤波：最简单，输出图像的每一个像素为输入图像对应像素的平均值（所有加权系数为1），就是归一化的方框滤波。
函数：blur(src, dst, ksize)
缺点：损失边缘信息
1.5 高斯滤波：广泛应用于减少噪声。用加权平均像素值代替filter中心像素值。
2 非线性滤波： 噪声为散粒噪声而不是高斯噪声时
2.1 中值滤波：利用领域内的中值代替该像素点的灰度值。基于排序统计理论。不依赖领域内那些与典型值差别很大的值。常用于保护边缘信息。
函数：medianBlur（src, dst, ksize(一般为奇数 1 3 5 7...）
优点：去燥能力强，保护边缘信息。
缺点：计算时间长
2.2 双边滤波：结合空间内的领域度和像素值相似度的一种折中处理。保边，去燥，简单，非迭代。
函数： bilateralFilter（src, dst, int d (像素领域直径)，sigmaColor(参数越大，越宽广的颜色混到一起)， sigmaSpace(数值越大，周边越远的像素会受到影响)）
二、增强
三、检测
边缘检测的各种算子：Canny、 laplace, Sobel, 以及Scharr 滤波器
1 Canny算子: 被推崇为当今最优边缘检测算法。目标是找到最优边缘检测算法。三个评价标准： 低错误率，减少噪声误报； 高定位性：标出的边缘要与实际边缘接近； 最小响应：边缘只被标识一次。
检测步骤：消除噪声； 计算梯度幅度值； 非极大值抑制；阀值滞后：像素值超过阀值保留，低于阀值去除。高低阀值推荐3:1,2:1。
函数：Canny（src, dst, threshold1, threshhold2）
2 sobel 算子
3 Laplace 算子
4 霍夫变换（Hough）：从图像中识别基本形状。
4.1 霍夫线变换：
函数：HoughLine
4.2 霍夫圆变换：检测圆
函数： HoughCircles（）