16. 边缘检测算子-sobel、canny、Laplacian等

最新推荐文章于 2023-01-02 11:24:15 发布

sc_kobe

最新推荐文章于 2023-01-02 11:24:15 发布

阅读量7.3k

点赞数 9

分类专栏： opencv基础知识文章标签：计算机视觉 python opencv

本文链接：https://blog.csdn.net/qq_38309818/article/details/111872081

版权

边缘检测是图像处理的关键步骤，本文深入探讨Sobel和Canny算子。Sobel算子通过一阶导数检测边缘，简单快速但定位精度不高。Canny算子则涉及多阶段处理，包括高斯滤波、梯度计算、非极大值抑制和双阈值检测，提供更好的边缘检测效果。

摘要由CSDN通过智能技术生成

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的减少了数据量，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。边缘检测，就是找到原始图像中画面出现跳变的地方。这里的跳变，可以理解为相邻像素的像素值出现了较大的变化，而梯度方向为灰度最大变化率的方向(求导解决)。

　　在实际的图像分割中，往往只用到一阶和二阶导数，虽然原理上，可以用更高阶的导数，但是因为噪声的影响，在纯粹二阶的导数操作中就会出现对噪声的敏感现象，三阶以上的导数信息往往失去了应用价值。二阶导数还可以说明灰度突变的类型。在某些情况下，如灰度变化均匀的图像，只利用一阶导数可能找不到边界，此时二阶导数就能提供很有用的信息。二阶导数对噪声也比较敏感，解决的方法是先对图像进行平滑滤波，消除部分噪声，再进行边缘检测。不过，利用二阶导数信息的算法是基于过零检测的，因此得到的边缘点数比较少，有利于后继的处理和识别工作。

边缘检测算子可分为以下几种:

一阶微分算子:Roberts交叉梯度算子、Prewitt算子、Sobel算子、Scharr算子。
二阶微分算子:Laplacian算子、 LOG算子
非微分边缘检测算子:canny算子。

下面主要将canny算子和sobel算子的原理,其他算子只写出了实现函数.

1. sobel算子

1.1 概念:

索贝尔算子（Sobeloperator）主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。

1.2 原理:

Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘.Sobel算子的俩个梯度矩阵Gx和Gy, Gx 用来计算横向的梯度, Gy 用来计算纵向的梯度。

具体公式如下:

原图中的作用点像素值通过卷积之后为：

可以化简成(为了提升效率):

如果梯度G大于阈值,这认为(x, y)是边缘点.

Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，sobel算子对边缘定位不是很准确，图像的边缘不止一个像素；当对精度要求不是很高时，是一种较为常用的边缘检测方法。