Canny边缘检测器是一种被广泛使用的算法，并被认为是边缘检测最优的算法，该方法使用了比高斯差分算法更复杂的技巧，如多向灰度梯度和滞后阈值化。Canny边缘检测器算法基本步骤：平滑图像：通过使用合适的模糊半径执行高斯模糊来减少图像内的噪声。计算图像的梯度：这里计算图像的梯度，并将梯度分类为垂直、水平和斜对角。这一步的输出用于在下一步中计算真正的边缘。非最大值抑制：利用上一步计算出来的梯度方向，检测某一像素在梯度的正方向和负方向上是否是局部最大值，如果是，则抑制该像素（像素不属于边缘）。这是一种边缘细化技术，用最急剧的变换选出边缘点。用滞后阈值化选择边缘：最后一步，检查某一条边缘是否明显到足以作

OPENCV实现的轮廓检测与处理

level set，新的方法，无需重新初始化，只要改变参数和输入图像，更改适当参数，就会得到较好的效果，里面有论文可以参考。

基于深度学习的轮廓检测算法：综述.pdf

行业分类-物理装置-基于密集连接解码网络的轮廓检测方法.zip

学习参考

文件叙述啦，怎么用Hough变换来检测，图像中的圆形轮廓！

下载的官方的BSDS500分割数据集。官方页面下载太慢了，让老师帮忙下载了，然后从网上找到了bsdb生成轮廓可视化图脚本和生成分块可视化图脚本。都打包起来以后备用，也方便大家学习使用。数据库包含200张训练图，200张侧视图，100张检验图。ground truth是人工标识的，已数据库图片id为单位，保存成mat格式文件，一个文件包含多个标记者的标记信息。有轮廓和分割信息，用matlab读取很方便，直接load就行。

为了获得理想的车辆轮廓线,提出了一种基于开源计算机视觉库OpenCV的轮廓检测新方法。首先对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等预处理,获得二值化黑白图像。然后通过轮廓提取和跟踪检测到车辆外轮廓线。在VC++6.0环境下,利用OpenCV编程实现了此方法。由实验结果看出,该方法可以较为理想地获得车身外轮廓线信息,既节省了预处理的时间,也保证了精度。

针对当前流行的汽车行人避碰系统中行人轮廓检测效果不够理想的情况，改进行了人轮廓的检测。利用数学形态学操作方法先对视频图像进行处理，然后利用优选出的Canny算子对行人图像进行边缘检测，再使用曲线拟合技术对行人轮廓进行加工，获取完整的行人轮廓曲线，为行人识别与跟踪奠定坚实的基础。试验结果表明，该方法能有效地去除行人轮廓的干扰因子和孤岛，获得较为完整的行人轮廓曲线。