数字图像处理
几种边缘检测算子的比较
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图
像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。
这些包括：深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。 边缘
检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。图像边缘检测
大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结
构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一
类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值
来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图
像二阶导数零穿越来寻找边界，通常是 Laplacian 过零点或者非线性差分表示的过
零点。
人类视觉系统认识目标的过程分为两步:首先，把图像边缘与背景分离出来;然后，
才能知觉到图像的细节，辨认出图像的轮廓。计算机视觉正是模仿人类视觉的这个过
程。因此在检测物体边缘时，先对其轮廓点进行粗略检测，然后通过链接规则把原来
检测到的轮廓点连接起来，同时也检测和连接遗漏的边界点及去除虚假的边界点。图
像的边缘是图像的重要特征，是计算机视觉、模式识别等的基础，因此边缘检测是图
象处理中一个重要的环节。然而，边缘检测又是图象处理中的一个难题，由于实际景
物图像的边缘往往是各种类型的边缘及它们模糊化后结果的组合，且实际图像信号存
在着噪声。噪声和边缘都属于高频信号，很难用频带做取舍。
这就需要边缘检测来进行解决的问题了。边缘检测的基本方法有很多，一阶的有
Roberts Cross 算子，Prewitt 算子，Sobel 算子，Canny 算子， Krisch 算子，
罗盘算子；而二阶的还有 Marr-Hildreth，在梯度方向的二阶导数过零点。现在就
来简单介绍一下各种算子的算法
评论0