Shen-Castan边缘检测器ISEF
背景
Canny边缘检测器是根据一组特定的标准进行优化定义的。尽管这些标准足够合理，但是没有理由认为这些标准就是唯一的标准。
最优的概念是相对的，而且很可能（在某些情况下）存在比Canny边缘检测器更好的边缘检测器。
事实上，在对边缘检测的方法进行比较，有时候看上去实际上是对优化的定义进行比较。
理论
Shen和Castan在边缘检测器的基本形式上与Canny意见一致：首先利用平滑核（smoothing kernel）进行卷积运算，然后再搜索边缘像素。然而，他们通过分析得到了一个不同的函数进行优化：即提出了最小化（在一个维度上）优化：
与canny边缘检测器的比较
（1）操作区别
Canny算法通过高斯函数的导数对图像进行卷积运算，然后执行非极大值抑制和滞后阈值操作。
Shen-Castan算法通过无穷对称指数滤波器对图像进行卷积运算，计算BLI，抑制负零交叉，执行自适应梯度阈值操作，最后应用滞后阈值操作。
（2）用户可定义参数不同
这两种算法都提供了用户可定义参数，因此对于使用特定类型图像的调优很有用。
参数如下：
（3）卷积实现不同
由于Canny的实现在执行卷积的时候使用了环绕式的方法（wrap-around），因此在图像边界周围的区域被黑色像素占据，尽管有时候这些黑色像素看上去像噪声。
ISEF实现使用了递归滤波器，环绕式的方法更难实现，因此没有实现，而是采用了另一种方式：图像在处理之前被嵌入了一幅更大的图像。因此，当卷积掩模超出了图像边界的时候，这些图像的边缘几乎都为白色。
（4）噪声的影响
ISEF随着噪声的增大看上去似乎具有优势。
从整体上来说，相比Canny边缘检测器，ISEF边缘检测器略胜一筹，位居第一，Canny位居第二。Marr-Hildreth位居第三，之后是Kirsch，Sobel，△2和△1。
值得注意的是，Canny与ISEF算法的比较的结果取决于用户可定义参数中每个参数的选择，选择的参数更好获得的评估结果可能会更好。
在一些情况下，Canny边缘检测器会更好，而有的时候ISEF方法会占据优势。
对于某个特定的图像来说，最佳的参数组合是未知的，因此最终还要用户自己来选择使用哪一种方法。
源码
Shen-Castan算法源码
https://github.com/ThranduilELFKING/study-openCV/tree/main/isef