常见边缘检测对比（Roberts算子、Prewitt算子、Sobel算子、Laplacian算子、Canny算子）

最新推荐文章于 2024-08-10 20:17:53 发布
最新推荐文章于 2024-08-10 20:17:53 发布
阅读量2.3w 收藏 221
点赞数 32
文章标签： python 边缘检测 Canny
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/IT_charge/article/details/120322875
版权

目录

方法对比

公式对比

优点对比

缺点对比

常用场景对比

边缘检测结果对比

方法对比

  • Roberts 算子：基于一阶导数的方法
  • Prewitt 算子：基于一阶导数的方法
  • Sobel 算子：基于一阶导数的方法
  • Laplacian 算子：基于二阶导数的方法
  • Canny 算子：非微分边缘检测算子

公式对比

  • Roberts 算子：d_{x}=\begin{bmatrix} -1 & 0\\ 0 & 1 \end{bmatrix}，d_{y}=\begin{bmatrix} 0 & -1\\ 1 & 0 \end{bmatrix}
  • Prewitt 算子：G_{x}=\begin{bmatrix} -1 & 0 & 1\\ -1 & 0 & 1\\ -1 & 0 & 1 \end{bmatrix}，G_{y}=\begin{bmatrix} 1 & 1 & 1\\ 0 & 0 & 0\\ -1 & -1 & -1 \end{bmatrix}
  • Sobel 算子：G_{x}=\begin{bmatrix} -1 & 0 & +1\\ -2 & 0 & +2\\ -1 & 0 & +1 \end{bmatrix}，G_{x}=\begin{bmatrix} -1 & -2 & -1\\ 0 & 0 & 0\\ +1 & +2 & +1 \end{bmatrix}
  • Laplacian 算子：4 领域：\begin{bmatrix} 0 & 1 & 0\\ 1 & -4 & 1\\ 0& 1 & 0 \end{bmatrix}；8 邻域：\begin{bmatrix} 1 & 1 & 1\\ 1 & -8 & 1\\ 1 & 1 & 1 \end{bmatrix}
  • Canny 算子：实现步骤：1. 用高斯滤波器平滑图像
                                               2. 计算图像中每个像素点的梯度强度和方向
                                               3. 对梯度幅值进行非极大值抑制
                                               4. 用双阈值算法检测来确定真实和潜在的边缘

优点对比

  • Roberts 算子：对垂直边缘的检测效果好于斜向边缘
                              对具有陡峭的低噪声的图像效果最好
                              定位精度高
  • Prewitt 算子：边缘检测结果在水平方向和垂直方向均比 Robert 算子明显
                               适合用来识别噪声较多，灰度渐变的图像
                               对噪声有抑制作用，抑制噪声的原理是通过像素平均
  • Sobel 算子：Sobel 算子要比 Prewitt 算子更能准确检测图像边缘
                          边缘定位较准确，常用于噪声较多，灰度渐变的图像
                          对像素位置的影响做了加权，相比之下比 Prewitt 算子、Roberts 算子效果更好
                          以滤波算子的形式来提取边缘，X,Y 方向各用一个模板，两个模板组合起来构成一个梯度算子。X 方向模板对垂直边缘影响最大，Y 方向模板对水平边缘影响最大。
  • Laplacian 算子：对图像中的阶跃性边缘点定位准确
  • Canny 算子：对噪声不敏感，不容易受到噪声干扰
                             能够检测到真正的弱边缘
                             使用两种不同的阈值分别检测强边缘和弱边缘
                             仅当强边缘与弱边缘相连时才将弱边缘包含在输出图像中

缺点对比

  • Roberts 算子：对噪声敏感，无法抑制噪声的影响
                              提取边缘的结果是边缘比较粗
                              边缘定位不是很准确
  • Prewitt 算子：像素平均相当于对图像的低通滤波，所以 Prewitt 算子对边缘的定位不如 Roberts 算子
  • Sobel 算子：由于边缘是位置的标志，对灰度的变化不敏感
  • Laplacian 算子：对噪声比较敏感，只适用于无噪声图像
                                  容易丢失边缘方向信息，造成一些不连续的检测边缘
  • Canny 算子：易使高频边缘被平滑掉，从而造成边缘丢失

常用场景对比

  •  Roberts 算子：常用于垂直边缘明显或具有陡峭的低噪声的图像的边缘检测任务
  • Prewitt 算子：常用于噪声较多、灰度渐变的图像的边缘检测任务
  • Sobel 算子：常用于噪声较多，灰度渐变的图像的边缘检测任务
  • Laplacian 算子：常用于归一化检测结果，进行方差计算，可以用在模糊检测任务上
  • Canny 算子：被用于诸如“车道线检测”等实际项目中，是最有效的边缘检测方法

边缘检测结果对比

END 

荣仔！最靓的仔！
关注
数字图像处理中几种边缘检测算子的比较
07-18
数字图像处理中几种边缘检测算子的比较数字图像处理中几种边缘检测算子的比较
61.​Prewitt 边缘检测算子
twnkie的博客
08-09 1259
具体而言，Prewitt算子使用两个3x3的模板对图像进行卷积操作，分别计算水平和垂直方向上的灰度差异。通过计算两个方向上的灰度差的绝对值之和，可以得到边缘的强度。对于输入图像中的每个像素点，分别与两个模板进行卷积操作，计算水平方向和垂直方向上的灰度差分。然后，将两个方向上的灰度差的绝对值之和作为该像素点的边缘强度。Prewitt边缘检测算子可以帮助我们在图像处理任务中准确地提取出物体的边缘信息，为后续的图像分割、目标检测等任务提供支持。Prewitt边缘检测算子的数学原理是基于一阶微分的边缘检测。
几种边缘检测算子的比较Roberts，Sobel，Prewitt，LOG，Canny
never give up的博客
07-06 9万+
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
Prewitt算子边缘检测原理及实现
最新发布
生活需要深度
08-10 898
从分离的结果来看， Prewitt_X算子实际上是先对图像进行垂直方向的非归一化的均值平滑，然后进行水平方向的差分；相比Roberts算子，Prewitt算子对噪声有抑制作用，抑制噪声的原理是通过像素平均，因此噪声较多的图像处理得比较好，但是像素平均相当于对图像的低通滤波，所以Prewitt算子对边缘的定位却不如Roberts算子。cv::namedWindow("水平边缘", CV_WINDOW_NORMAL);cv::namedWindow("垂直边缘", CV_WINDOW_NORMAL);
使用sobel、prewitt、拉普拉斯算子、差分法提取图像的边缘
Chaolei3的博客
04-06 2万+
参考： https://www.cnblogs.com/dengdan890730/p/6145585.html https://blog.csdn.net/touch_dream/article/details/62447801 https://blog.csdn.net/xiahn1a/article/details/42141429 https://blog.csdn.net/swj...
边缘检测Sobel、Canny、Laplacian
darren_ying0803的博客
09-21 1014
边缘检测Sobel、Canny、Laplacian算子
图像梯度、ROBERT算子和SOBEL算子
weixin_43174806的博客
03-08 2553
ROBERT算子和SOBEL算子 Robert算子和Sobel算子在后面的边缘检测中是里程碑似的算法，在增强部分，他们主要用在边缘增强。 Sobel和Robert都能对边缘有较强的响应，而且Sobel对边缘的响应较宽而且更加强烈，Robert算子对边缘响应较弱，而且对弯曲的边缘敏感度低。 图像梯度 梯度并非是一个数值，梯度严格意义上是一个向量，这个向量指向当前位置变化最快的方向，可以这么理解，当你...
图像算法八 —— 多种边缘检测算法（Sobel算子、Isotropic Sobel算子、Roberts算子、Prewitt算子、Laplacian算子、Canny算子）介绍及比较
weixin_43662553的博客
08-13 2万+
图像算法八 —— 多种边缘检测算法（Sobel算子、Isotropic Sobel算子、Roberts算子、Prewitt算子、Laplacian算子、Canny算子）介绍及比较
canny边缘检测_canny算子_log算子轮廓_canny边缘检测_roberts算子_
09-30
4. Sobel算子和Prewitt算子：两者都是基于一阶偏导数的边缘检测算子，用于估计图像的水平和垂直边缘梯度。Sobel算子使用3x3的模板，而Prewitt算子使用1x3和3x1的模板。这些算子相比于Roberts算子对边缘检测有更好的...
canny算子、sobel算子、laplacian算子等多种算子边缘提取MATLAB实现对比
11-22
在MATLAB中，有许多内置的函数支持各种边缘检测算子的实现，包括Canny算子、Sobel算子和Laplacian算子。下面将详细介绍这些算子以及它们在MATLAB中的应用。 1. Canny算子：Canny算子是一种多级边缘检测算法，由John...
matlab 分别用sobel prewitt roberts laplacian算子进行边缘提取
02-26
MATLAB作为一个强大的数值计算和可视化工具，提供了多种内置函数用于边缘检测，如Canny、Sobel、Prewitt和Roberts算子，以及Laplacian算子。然而，在这个项目中，我们将探讨如何不依赖MATLAB的内置函数，而是通过自...
Matalb图像分割边缘检测算子比较（适合新手）
04-14
本教程将针对Matlab中的几种常见边缘检测算子进行比较，以帮助新手更好地理解和应用这些工具。 1. Prewitt算子： Prewitt算子是一种一阶微分算子，通过计算图像灰度值的水平和垂直梯度来寻找边缘。它的优点在于对...
（七）图像处理中常用算子Laplacian\Sobel\Roberts\Prewitt\Kirsch
机器人视觉感知
01-28 7120
1.拉普拉斯(Laplacian)算子 1.1基础介绍 最简单的各向同性导数算子是拉普赖斯算子，其具有旋转不变性，对于两个变量的函数f(x,y)f(x,y)f(x,y),其定义为 ▽2f=∂2f∂x2+∂2f∂y2\triangledown^2f=\frac{\partial ^2f}{\partial x ^2} + \frac{\partial ^2f}{\partial y ^2}▽2f=∂x2∂2f​+∂y2∂2f​,以离散形式表示上述公式为： <br/>x方向有：$\frac{\par
边缘检测算子有哪些以及它们之间的对比
11-18 349
Sobel算子在Prewitt算子的基础上增加了权重的概念，认为相邻点的距离远近对当前像素点的影响是不同的，距离越近的像素点对应当前像素的影响越大，从而实现图像锐化并突出边缘轮廓。Prewitt算子采用 3x3 模板对区域内的像素值进行计算，而Robert算子的模板为 2x2 ，故Prewitt算子的边缘检测结果在水平方向和垂直方向均比Robert算子更加明显。**缺点：**该算子具有平滑的作用，但是像素平均相当于对图像的低通滤波，所以Prewitt算子对边缘的定位不如Roberts算子。
数字图像处理(19): 边缘检测算子(Roberts算子、Prewitt算子、Sobel算子 和 Laplacian算子)
热门推荐
TechArtisan6的博客
05-05 16万+
目录 1 边缘检测的基本原理 2 边缘检测算子分类 3 梯度 3.1 图像梯度 3.2 梯度算子 4 Roberts 算子 4.1 基本原理 4.2 代码示例 5 Prewitt 算子 5.1 基本原理 5.2 代码示例 6 Sobel 算子 6.1 基本原理 6.2 代码示例 7 Laplacian 算子 7.1 基本原理 7.2 代码示例 8 小结 8...
【数字图像】实验五.图像的边缘检测和分割（综合性）
qq_67502865的博客
12-12 2180
Sobel算子对噪声的抑制能力较强，能够平滑图像并减少虚假边缘的产生。（1）利用边缘检测函数edge ()对灰度图像(house.tif)进行边缘检测，检测算子分别选择'roberts'、'sobel'、'prewitt'、LOG、'Canny'（其他参数选择：default），比较不同检测算子对边缘检测的效果；（2）利用工具箱函数imfilter()和如图1所示四种不同方向的线检测模板w1/w2/w3/w4对图像(Fig0908(a).tif)进行边缘检测，比较不同方向的检测算子对边缘检测的效果；
五种边缘检测算法（附代码）
qq_44947220的博客
01-20 1万+
一、Roberts 边缘检测算子 Roberts边缘检测算子根据任意一对互相垂直方向上的差分可用来计算梯度的原理，采用对角线方向相邻两像素之差，即： 然后根据式（1.9.2）计算出Roberts的梯度幅度值： 它们的卷积算子为： Roberts检测器较为简单，但具有一些功能上的限制，例如，它是非对称的，而且不能检测诸如45°倍数的边缘。然而，它还是经常用于硬件实现中，因为它既简单又快速。 二、Sobel 边缘检测算子 对数字图像的每个像素，考察它上下左右邻点灰度的加权差，与之接近的邻点的权大。据此，定
ai大模型赋能人形机器人,迈向通用人工智能的一大步
01-04
AI大模型赋能人形机器人可以被视为迈向通用人工智能的一大步。人形机器人是一种能够模拟人类外貌、行为和交流的机器，结合AI大模型的能力，可以实现更高级别的人工智能功能。 首先，AI大模型的强大计算能力和学习能力使得人形机器人能够更加准确地理解和模仿人类的动作和表情。通过对大量数据的学习，AI大模型能够理解并推断人类的情绪、意图和行为，从而更好地与人类进行交互和沟通。这种与人类的自然交流方式可以让机器人更好地融入人类社会，满足人类的各种需求。 其次，AI大模型赋能的人形机器人在应用领域具有广泛的潜力。例如，在医疗领域，人形机器人可以通过感知和理解病人的情绪和需求来提供情感支持和护理服务。在教育领域，人形机器人可以根据学生的学习情况和兴趣定制教学内容，提供个性化的教育体验。在服务行业中，人形机器人可以担任引导员、导游员等角色，为人们提供导航和咨询服务。 最后，AI大模型赋能的人形机器人还有助于推动人工智能技术的发展和创新。通过将大模型与机器人相结合，各种新的应用和功能不断涌现出来。同时，人形机器人的使用也可以促进对于伦理、隐私和安全等相关问题的讨论和解决。 总的来说，AI大模型赋能人形机器人是迈向通用人工智能的一大步。它能够实现更加准确和自然的人机交互，拓展人工智能在各个领域的应用，并推动人工智能技术的发展和创新。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

荣仔！最靓的仔！

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值