CV学习笔记4-边沿检测算子

边缘检测算子是图像处理中的重要工具，用于检测图像中的边缘或轮廓。边缘检测通常基于图像中灰度值的变化来识别图像中物体的边界。以下是几种常用的边缘检测算子：

1. Sobel 算子

Sobel 算子 用于检测图像中的边缘，通过计算图像的梯度来识别边缘。它有两个主要的算子，一个用于检测水平方向的边缘，另一个用于检测垂直方向的边缘。

• 水平 Sobel 算子：
  $$G_x=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$$

• 垂直 Sobel 算子：
  $$G_y=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]$$

通过对图像应用 Sobel 算子，可以获得水平和垂直方向的梯度图像，然后计算边缘强度：
$$\text{Magnitude}=\sqrt{G_x^2+G_y^2}$$
和边缘方向：
$$\text{Direction}=\arctan \left(\frac{G_y}{G_x}\right)$$

2. Prewitt 算子

Prewitt 算子 也是一种梯度算子，用于检测图像中的边缘。它与 Sobel 算子类似，但具有不同的卷积核。

• 水平 Prewitt 算子：
  $$G_x=\left[\begin{array}{ccc}-1& 0& 1\\ -1& 0& 1\\ -1& 0& 1\end{array}\right]$$

• 垂直 Prewitt 算子：
  $$G_y=\left[\begin{array}{ccc}-1& -1& -1\\ 0& 0& 0\\ 1& 1& 1\end{array}\right]$$

3. Laplacian 算子

Laplacian 算子 是一种二阶导数算子，用于检测图像中的边缘和细节。它通过计算图像的二阶导数来检测边缘。

• Laplacian 算子：
  $$\text{Laplacian}=\left[\begin{array}{ccc}0& -1& 0\\ -1& 4& -1\\ 0& -1& 0\end{array}\right]$$

该算子会检测到图像中的快速灰度变化区域。

4. Canny 边缘检测

Canny 边缘检测 是一种多步骤的边缘检测算法，效果较为稳定，能够检测到高质量的边缘。

步骤：

1. 噪声抑制：通常使用高斯滤波器平滑图像以减少噪声。
2. 梯度计算：使用 Sobel 算子计算图像的梯度强度和方向。
3. 非最大抑制：在梯度方向上进行局部最大值抑制，以精确定位边缘。
4. 双阈值处理：应用两个阈值（高和低）来识别强边缘和弱边缘，连接边缘。
5. 边缘连接：通过边缘连接算法，连接强边缘和弱边缘，形成连续的边缘。

5. Roberts 算子

Roberts 算子 是一种简单的边缘检测算子，使用两个 (2 \times 2) 的卷积核来计算图像的梯度。

• Roberts 水平卷积核：
  $$G_x=\left[\begin{array}{cc}1& 0\\ 0& -1\end{array}\right]$$

• Roberts 垂直卷积核：
  $$G_y=\left[\begin{array}{cc}0& 1\\ -1& 0\end{array}\right]$$

6. Scharr 算子

Scharr 算子 是一种改进的边缘检测算子，类似于 Sobel 算子，但更强调了梯度计算的方向性。

• 水平 Scharr 算子：
  $$G_x=\left[\begin{array}{ccc}-3& 0& 3\\ -10& 0& 10\\ -3& 0& 3\end{array}\right]$$

• 垂直 Scharr 算子：
  $$G_y=\left[\begin{array}{ccc}-3& -10& -3\\ 0& 0& 0\\ 3& 10& 3\end{array}\right]$$

总结

边缘检测算子用于识别图像中的边缘或轮廓，这对于图像分析和理解至关重要。每种边缘检测算子具有不同的特性和优缺点，可以根据具体的应用需求选择合适的算子。在实际应用中，Canny 边缘检测因其多步骤的处理和良好的性能，常被广泛使用。