矩形检测

边缘类型

最宽

检测ROI内间距最大的边缘对。

最窄

检测ROI内间距最小的边缘对。

最强

检测ROI内边缘对平均梯度最大的边缘对。

最弱

检测ROI内梯度最小的边缘对。

第一对

检测ROI内边缘对中心与搜索起始点最近的边缘对。

最后一对

检测ROI内边缘对中心与搜索起始点最远的边缘对。

最接近

检测ROI内和理想宽度最接近的边缘对集合。

最不接近

检测扫ROI内和理想宽度最不接近的边缘对集合。

上/下/左/右边边缘极性

矩形四条边的边缘极性，包括从黑到白、从白到黑以及任意。下图绿色箭头所示为白到黑，红色箭头所示为黑到白。此处“黑”和“白”仅表示灰度值的强弱程度。

边缘阈值

边缘阈值即梯度阈值，范围0~255，只有边缘梯度值大于该值的边缘点才被检测到。数值越大，抗噪能力越强，得到的边缘数量越少，甚至导致目标边缘点被筛除。如下图所示，在阈值设为10时是可以识别出边缘并找出平行线，而在阈值设为200后，边缘无法被定位到，也就无法找到平行线。

滤波尺寸

描述目标边缘的清晰程度，最小值为1，值越小，表示边缘越清晰且过滤带小。当边缘模糊或有噪声干扰时，增大该值有利于使得检测结果更加稳定，但如果边缘与边缘之间挨得太近（距离小于滤波尺寸）时反而会影响边缘位置的精度甚至丢失边缘。具体原理参考圆查找运行参数中的同名参数。

卡尺数量

定义卡尺的数量。边缘点由多个卡尺提取出。

剔除点数

详见圆查找运行参数中的同名参数。

剔除距离

允许离群点到拟合直线的最大像素距离，值越小，排除点越多，原理以及操作请参考圆查找运行参数中的同名参数。

投影宽度

即卡尺的宽度（下图中蓝色矩形的宽度）。在一定范围内增大该值可以获取更加稳定的边缘点。

初始拟合

详见圆查找运行参数中的同名参数。

拟合方式

包括最小二乘、huber和tukey三种。三种拟合方式只是权重的计算方式有些差异。随着离群点数量增多以及离群距离增大，可逐次使用最小二乘、huber和tukey。