图像边缘检测

1、原理

图像的边缘是图像的基本特征，边缘点是灰度阶跃变化的像素点，即灰度值的导数较大或极大的地方，边缘检测是图像识别的第一步。用图像的一阶微分和二阶微分来增强图像，本质上计算的就是灰度的变化情况，而边缘也就是灰度变化的地方。因此，这些传统的一阶微分算子如Robert、Sobel、prewitt等，以及二阶微分算子Laplacian等等本质上都是可以用于检测边缘的。

这些算子都可以称为边缘检测算子。边缘检测可以大幅度的减少数据量，剔除那些不相关的信息，保留图像重要的结构属性，一般的边缘检测的步骤有：原始图像 --> 平滑图像 --> 锐化图像 --> 边缘判定 --> 二值化 --> 边缘连接 --> 边缘图像

1. 平滑滤波：因为梯度计算容易受噪声影响，所以先使用滤波平滑图像去除噪声。
2. 锐化滤波：为了检测边界，需要确定邻域中灰度变换，锐化突出了回答变换的区域。
3. 边缘判定：通过阈值或灰度变换，剔除某些处理点，查找边缘点。
4. 边缘连接：将间断的边缘连接成有意义的完整边缘，同时去除假边缘。

2、边缘检测算子

2.1梯度算子Robert算子利用局部差分算子寻找边缘，边缘定位精度较高但容易丢失一部分边缘，同时由于没有对图像进行平滑处理因此不具备抑制噪声的能力。该算子对边缘陡峭且噪声较少的图像效果较好。Sobel算子和prewitt算子都考虑了邻域信息，相当于对图像先做加权平滑处理，然后再做微分运算，所以对噪声有一定的抑制能力，但不排除检测结果中出现虚假边缘，并且容易出现多像素宽度的边缘。