标签：canny 检测方法 变化 ges 带来 角度 运算 不同 分享
验证码
1. 边缘检测原理
边缘具有方向和幅度两个特征.边缘上像素值的一阶导数较大;二阶导数在边缘处值为零,呈现零交叉。直观说，沿边缘走向,像素值变化比较平缓;而垂直与边缘走向,则像素值变化比较剧烈。
经典的边缘检测方法由于引入了各种形式的微分运算，从而必然引起对噪声的极度敏感，边缘检测的结果常常是把噪声当作边缘点检测出来。
2. 边缘检测
开始尝试了Canny边缘检测算法，它主要是：彩色图像转换为灰度图像，对图像进行高斯模糊，计算图像梯度，根据梯度计算图像边缘幅值与角度，非最大信号压制处理（边缘细化，双阈值边缘连接处理，二值化图像输出结果。
对那个样本去背景效果不好，后来尝试了Sobel边缘检测算法，用来运算图像亮度函数的灰度之近似值。没有模糊的效果比较好，模糊后就稍微差一点，但总体清晰。
3. 模糊算法
然后模糊算法看了一些，大致觉得还是采用高斯模糊也是可以的，但是模糊的阈值可以进行调参。
从图中也能看出不同的参数会带来不同的模糊效果。
参考文章[高斯模糊实现小结](http://blog.csdn.net/zddblog/article/details/7450033) 有提到这个参数。里面也有相关的改进。
尝试了一个基于一维高斯快速模糊算法的调参
然后再拿之前那些边缘检测算法基本上就有点乱了。
4. 一些思路
可以加一些稍大的噪点（比如椒盐噪声，高斯噪声，不过不能只是单纯的点，特征上会很容易被去除的）放在字符上，遮住一点信息或者考虑加一些有边缘的干扰物可以阻止边缘检测。
本身在背景渐变的时候也可以考虑一部分边缘完全融于背景，一部分露出来，用户看到的虽然不是一个完整的字体，但是能推测出。
标签：canny 检测方法 变化 ges 带来 角度 运算 不同 分享
原文地址：http://www.cnblogs.com/daifei/p/6180575.html
