python图像处理（十一）——图像锐化与边缘检测之Roberts算子、Prewitt算子、Sobel算子、Laplacian算子

在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。

 

一、Roberts算子

Roberts算子又称交叉微分算法，它是基于交叉差分的梯度算法，通过局部差分计算检测边缘线条，常来处理具有陡峭的低噪声图像，当图像边缘接近于正负45，处理效果最佳。缺点是对边缘定位信息不太准确，提取的边缘线条较粗。Roberts算子模板分为水平方向和垂直方向。

在python中Roberts算子主要是通过Numpy定义模板，再调用OpenCV中的filter2D()函数实现边缘提取，该函数主要是利用内核实现对图像的卷积运算，其函数原型如下：

dst=cv.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])

参数如下：

src	原图像
dst	目标图像，与原图像尺寸和通过数相同
ddepth	目标图像的所需深度
kernel	卷积核（或相当于相关核），单通道浮点矩阵;如果要将不同的内核应用于不同的通道，请使用拆分将图像拆分为单独的颜色平面，然后单独处理它们。
anchor	内核的锚点，指示内核中过滤点的相对位置;锚应位于内核中;默认值（-1，-1）表示锚位于内核中心。
detal	在将它们存储在dst中之前，将可选值添加到已过滤的像素中。类似于偏置。
borderType	像素外推法，参见BorderTypes

Roberts算法代码如下所示：

import cv2
import matplotlib.pyplot as plt
import numpy as np

#读取图像
image = cv2.imread('E:/pythonProject/12.png')
lena = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

#灰度转化处理
grayImage =