视觉算法笔记 - 边缘检测算法

方法

1 一阶梯度算子

正交梯度 ： [1,-1], [1,-1]';

robet: 斜线差分（四点差分）

prewitt: 平均差分

sobel: 加权平均差分

检测赋值阈值，可检测边缘的方向

2 二阶导数算子 laplacian算子

模板 [0 -1 0; -1 4 -1;0 -1 0]/4; 方向无关，检测零交叉，可要求过零点的两边的差值大于一定的阈值

3 LoG

高斯滤波后再进行二阶导数，可先对高斯函数求二阶导数然后得到离散化模板，之后用模板和图像卷积

4 canny

以上在matlab中都采用edge实现。

关于零交叉的检测，参考代码，应该是对[- +]和[- 0 +]都进行检测：

% Look for the zero crossings:  +-, -+ and their transposes 
  % We arbitrarily choose the edge to be the negative point
  [rx,cx] = find( b(rr,cc) < 0 & b(rr,cc+1) > 0 ...
                  & abs( b(rr,cc)-b(rr,cc+1) ) > thresh );   % [- +]
  e((rx+1) + cx*m) = 1;
  [rx,cx] = find( b(rr,cc-1) > 0 & b(rr,cc) < 0 ...
                  & abs( b(rr,cc-1)-b(rr,cc) ) > thresh );   % [+ -]
  e((rx+1) + cx*m) = 1;
  [rx,cx] = find( b(rr,cc) < 0 & b(rr+1,cc) > 0 ...
                  & abs( b(rr,cc)-b(rr+1,cc) ) > thresh);   % [- +]'
  e((rx+1) + cx*m) = 1;
  [rx,cx] = find( b(rr-1,cc) > 0 & b(rr,cc) < 0 ...
                  & abs( b(rr-1,cc)-b(rr,cc) ) > thresh);   % [+ -]'
  e((rx+1) + cx*m) = 1;

% Most likely this covers all of the cases.   Just check to see if there
  % are any points where the LoG was precisely zero:
  [rz,cz] = find( b(rr,cc)==0 );
  if ~isempty(rz)
    % Look for the zero crossings: +0-, -0+ and their transposes
    % The edge lies on the Zero point
    zero = (rz+1) + cz*m;   % Linear index for zero points
    zz = find(b(zero-1) < 0 & b(zero+1) > 0 ...
              & abs( b(zero-1)-b(zero+1) ) > 2*thresh);     % [- 0 +]'
    e(zero(zz)) = 1;
    zz = find(b(zero-1) > 0 & b(zero+1) < 0 ...
              & abs( b(zero-1)-b(zero+1) ) > 2*thresh);     % [+ 0 -]'
    e(zero(zz)) = 1;
    zz = find(b(zero-m) < 0 & b(zero+m) > 0 ...
              & abs( b(zero-m)-b(zero+m) ) > 2*thresh);     % [- 0 +]
    e(zero(zz)) = 1;
    zz = find(b(zero-m) > 0 & b(zero+m) < 0 ...
              & abs( b(zero-m)-b(zero+m) ) > 2*thresh);     % [+ 0 -]
    e(zero(zz)) = 1;

5 方向梯度算子

可求得某个方向的最大值