注：本文是吴恩达网易公开课的学习笔记
电脑如何搞清楚一张图片中的物体？
首先电脑需要检测楚图片中的垂直边缘（vertical edge），水平边缘（horizontal）。
电脑通过卷积检测出做边缘检测。
垂直边缘检测过程：


卷积是将图片和卷积核进行卷积的过程，在python里面用的是conv_forward, tensorflow中用的是tf.nn.conv2d,在Keras中用的是Conv2D

如果将一个有着明显边缘区分的图片在卷积核卷积后，可以看出卷积的结果是图片的垂直边缘被明显的高亮显示在灰色的图片中。

OpenCV Canny边缘检测的实例
OpenCV Canny边缘检测的实例

OpenCV Canny边缘检测的实例
#include "opencv2/core/utility.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"

#include <stdio.h>

using namespace cv;
using namespace std;

int edgeThresh = 1;
int edgeThreshScharr=1;

Mat image, gray, blurImage, edge1, edge2, cedge;

const char* window_name1 = "Edge map : Canny default (Sobel gradient)";
const char* window_name2 = "Edge map : Canny with custom gradient (Scharr)";

// define a trackbar callback
static void onTrackbar(int, void*)
{
    blur(gray, blurImage, Size(3,3));

    // Run the edge detector on grayscale
    Canny(blurImage, edge1, edgeThresh, edgeThresh*3, 3);
    cedge = Scalar::all(0);

    image.copyTo(cedge, edge1);
    imshow(window_name1, cedge);

    /// Canny detector with scharr
    Mat dx,dy;
    Scharr(blurImage,dx,CV_16S,1,0);
    Scharr(blurImage,dy,CV_16S,0,1);
    Canny( dx,dy, edge2, edgeThreshScharr, edgeThreshScharr*3 );
    /// Using Canny's output as a mask, we display our result
    cedge = Scalar::all(0);
    image.copyTo(cedge, edge2);
    imshow(window_name2, cedge);
}

static void help(const char** argv)
{
    printf("\nThis sample demonstrates Canny edge detection\n"
           "Call:\n"
           "    %s [image_name -- Default is fruits.jpg]\n\n", argv[0]);
}

const char* keys =
{
    "{help h||}{@image |fruits.jpg|input image name}"
};

int main( int argc, const char** argv )
{
    help(argv);
    CommandLineParser parser(argc, argv, keys);
    string filename = parser.get<string>(0);

    image = imread(samples::findFile(filename), IMREAD_COLOR);
    if(image.empty())
    {
        printf("Cannot read image file: %s\n", filename.c_str());
        help(argv);
        return -1;
    }
    cedge.create(image.size(), image.type());
    cvtColor(image, gray, COLOR_BGR2GRAY);

    // Create a window
    namedWindow(window_name1, 1);
    namedWindow(window_name2, 1);

    // create a toolbar
    createTrackbar("Canny threshold default", window_name1, &edgeThresh, 100, onTrackbar);
    createTrackbar("Canny threshold Scharr", window_name2, &edgeThreshScharr, 400, onTrackbar);

    // Show the image
    onTrackbar(0, 0);

    // Wait for a key stroke; the same function arranges events processing
    waitKey(0);

    return 0;
}

ffmpeg命令目录

原图，边缘图

Detect and draw edges. The filter uses the Canny Edge Detection algorithm.
边缘检测，使用canny边缘算法

The filter accepts the following options:
滤镜接收一下参数

low
high
Set low and high threshold values used by the Canny thresholding algorithm.
设置Canny阈值算法使用的低阈值和高阈值。

The high threshold selects the "strong" edge pixels, which are then connected through 8-connectivity with the "weak" edge pixels selected by the low threshold.
高阈值选择“强”边缘像素，然后通过8-连通性与低阈值选择的“弱”边缘像素连接
四连通区域是11011其中0代表中心点，4个1代表上下左右四个方向。
八连通区域是111101111也就是除了上下左右四个方向外，还有左上、右上、左下、右下。

low and high threshold values must be chosen in the range [0,1], and low should be lesser or equal to high.
必须在[0,1]范围内选择低阈值和高阈值，低阈值应小于或等于高阈值。

Default value for low is 20/255, and default value for high is 50/255.
“低”的默认值为20/255，“高”的默认值为50/255

mode
Define the drawing mode.
定义绘图模式

‘wires’
Draw white/gray wires on black background.
如上图，黑白

‘colormix’
Mix the colors to create a paint/cartoon effect.
最后生成图，类似油画效果，卡通效果

‘canny’
Apply Canny edge detector on all selected planes.

Default value is wires.

planes
Select planes for filtering. By default all available planes are filtered.

ffmpeg edgedetect
Canny边缘检测算法

一.如何在图像中检测（垂直）边缘(计算过程)：
左图：灰度图像6*6矩阵，（彩色图像为6*6*3，灰度图像没有RGB三通道）
中间图：为检测图形垂直边缘，构建3*3矩阵，称为过滤器（或核）
右图：用3*3过滤器对6*6矩阵进行卷积运算，输出结果是右图的4*4矩阵，可以理解为另一张图片。
卷积的计算过程：4*4矩阵的下标为（1,1）的值如下图所示：
将3*3矩阵与6*6矩阵相应元素相乘，再相加即可。3*1+1*1+2*1+0*0+5*0+7*0+1*-1+8*-1+2*-1=-5
4*4矩阵的下标为（1,2）的值即将3*3滤波器矩阵向右移：
其他值同样对3*3滤波器矩阵进行移动 ：
如果用python实现这个过程用函数：conv_forward()
二.为什么上述过程可以做垂直边缘检测？
 eg1垂直边缘检测输出结果矩阵的含义：

左图：图像矩阵，【白 灰】，中间有一条垂直的（由浅到深色）过渡线
中间图：滤波器矩阵 ，可视化成：【白 灰 黑】
右图：依据上述方法卷积所得结果。如果当成图像：【灰 白 灰】（矩阵数值越大，亮度越高）
卷积所得矩阵中间是高亮区，对应所检测图像（左图）中间有垂直边缘，但维数与原图像边缘不同，（检测到的结果太粗了）原因是图片维数（6*6）太小了。
eg2垂直边缘检测滤波器表示明暗变化：

图片矩阵左右翻转，滤波矩阵不便，得到的新图片矩阵中间值变成负值（原矩阵值得相反数），上图正值表示从亮到暗过渡，下图负值表示由暗到亮过渡。如果不想要这种正负提供的信息，可以将卷积所得到的矩阵取绝对值。
eg3水平边缘检测滤波器：

在相应边缘有明暗变化    1 1 1     -1  -1  -1
eg4略复杂输入图片水平检测的例子：

卷积所得输出矩阵数值与输入矩阵的绿、黄、紫（3*3）矩阵 块相互对应，输出矩阵的30，-30分别表示由亮到暗、由暗到亮的变化；10，-10是中间值（对应3*3矩阵块没有明显边缘变化）。但是当输入图片特别大的时候，不会出现10这么大的中间值。
eg5不同的边缘检测滤波器矩阵：

sobel filter ：增加中间行权重，也就是图像中间的像素点，增加结果鲁棒性
将垂直边缘滤波器旋转90，得到水平边缘滤波器
eg6 复杂图像的边缘检测：
 
复杂图像的滤波器不再是简单的垂直或者水平边缘检测，可以将滤波器矩阵设置为9个参数，利用深度学习的反向传播算法得到滤波器的参数。可以检测任意角度的边缘。