在 OpenCV扩展模块里面，有一个算法：

paillou定义的 边缘检测

查资料，了解是 1997年 Paillou 提出来的 改进 SAR图像的 边缘检测方法。

论文在这个地方：https://ieeexplore.ieee.org/document/551947

The author presents a new linear edge detector that is very well suited to process noisy images. Performances of the new operator have been evaluated using Canny's criteria together with experimental comparison results on a noisy SAR image.

一种新的 边缘检测，对 噪声图像适应性比较好。

话不多说，测试效果。

调用如下:

 const Mat& src = ......
 int cn = src.channels();
 Mat ret;
 if (direction == "both")
 {
 Mat hMat, vMat;
 ximgproc::GradientPaillouX(src, hMat, alpha, omega);
 ximgproc::GradientPaillouY(src, vMat, alpha, omega);
 if (resType == "abs")
 {
 hMat = abs(hMat);
 vMat = abs(vMat);
 }
 else if (resType == "cast")
 {
 hMat.convertTo(hMat, CV_8UC(cn));
 vMat.convertTo(vMat, CV_8UC(cn));
 }
 ret = hMat + vMat;
 }
 else if (direction == "horizontal")
 {
 ximgproc::GradientPaillouX(src, ret, alpha, omega);
 if (resType == "abs")
 ret = abs(ret);
 else if (resType == "cast")
 ret.convertTo(ret, CV_8UC(cn));
 }
 else if (direction == "vertical")
 {
 ximgproc::GradientPaillouY(src, ret, alpha, omega);
 if (resType == "abs")
 ret = abs(ret);
 else if (resType == "cast")
 ret.convertTo(ret, CV_8UC(cn));
 }
 cv::normalize(ret, _dst, 0, 255, cv::NORM_MINMAX, CV_8UC(cn));//归一化到 0~255之间
 dst = _dst;

alpha=2,omega=1;边缘较粗

alpha=20,omega=1;边缘变细

测试 Canny 算法

水平/竖直 paillou 传递给 Canny算法

这个边缘检测 算法效果应该比 Sobel好一点，不过 alpha,omega 参数比较难以设置。

项目中，很少用这些算法，毕竟不是很稳定的算法。不过，可以扩展 对 边缘检测算法的眼界。

我遇到不少搞图像处理的，居然连最基本的边缘检测 Sobel/Prewitt/Roberts/Laplace等都不懂。（很多搞图像处理的，只会标数据，然后用深度学习框架，我表示鄙视）

传统图像处理、深度学习图像处理，都是工具，掌握的方法越多，解决问题的能力越强。

当你手中只有一把锤子的时候，你往往会把一切的问题都看成钉子。