图像处理经典算子理解

测试图

sobel算子

sobel算子模板为

$$w1=\begin{matrix} 1 & 2 & 1\\ 0 & 0 & 0 \\ -1&-2&-1 \end{matrix}$$
$$w2=\begin{matrix} 1 & 0 & 1\\ -2 & 0 & 2 \\ -1& 0& 1 \end{matrix}$$
运行结果如下(白框左上角区域)

可以看到特性为:1.两个像素宽 2.顶点值最大

roborts算子

roborts算子模板为

$$w1=\begin{matrix} -1 & 0\\ 0 & 1 \end{matrix}$$
$$w1=\begin{matrix} 0 & 1\\ -1 & 0 \end{matrix}$$
运行结果如下

特点 1.单线宽 2.各个点值相同

拉普拉斯算子

$$w=\begin{matrix} 1 & 1&1\\ 1 & -8&1\\ 1&1&1 \end{matrix}$$
结果图:

结果复合阶跃边缘二阶导的形式——正负梯度过零点，这里零点在-3和3之间。若取亚像素则为两个像素的正中间。比较上的算子，发现可以有l拉普拉斯算子可以有以下功能
1.如果直接取abs则可以作为边缘检测算子来做,和sobel结果相似。
2.设置原图为f,拉普拉斯后结果为g,则f=f-g可以达到增强边缘(纹理)的效果。也就是增强了边缘的对比度，比如原来差为X如此一正一负加上后，对比度肯定大于X。

但是我们也可以直观的感受到拉普拉斯算子对噪声会比其他算子更加敏感，因为孤立的点的噪声点也会有很大的响应。所以在做拉普拉斯之前都会有个高斯模糊的操作(LoG),根据卷积计算的特性，可以先计算LoG的算子，再用原图和该算子卷积计算，不需要做两遍。例如

$$w=\begin{matrix} 0& 0&-1&0&0\\ 0& -1&-2&-1&0\\ -1& -2&16&-2&-1\\ 0& -1&-2&-1&0\\ 0& 0&-1&0&0\\ \end{matrix}$$

—————————-2017.5.20 更新——————————-
最近在看《特征提取与图像处理》，对二阶模板多了一些理解。拉普拉斯相比sobel，不需要乘法和开方来计算边缘强度。但是多了一步过零点检测，有符号模板法、曲线拟合法等，可以搜到相关文献。且二阶目标是缺少方向信息的。但实际应用中谁优谁劣应该还是看图像本身的属性。以后若项目中遇到这样的问题，在此文中继续更新。