图像分割-LOG检测器和DOG检测器

边缘检测是以较小的算子为基础的，具有两个建议
1、灰度变化与图像尺寸无关，因此检测要求使用不同尺寸的算子。
2、灰度的突然变化会在一阶导数产生波峰波谷，在二阶导数产生零交叉
大的算子检测模糊边缘，小的算子检测锐度集中的细节
二维高斯函数：

拉普拉斯

LOG（高斯拉普拉斯）

marri-Hildreth算子概念：
1、算子的高斯部分会模糊图像，将图像灰度（包括噪声降低到远小于sigma的程度）
2、laplace（也就是二阶微分和）具有各向同性（旋转不变）的有点，对任何模板方向灰度变换有相等响应，避免了使用多个模板去计算图像中任何点处的最强响应
marri-Hildreth算法步骤：
1、用二维高斯函数取样得到一个nn的高斯低通滤波器对图像滤波
2、计算由1得到的laplace
3、找到步骤二得到的零交叉点
确定高斯滤波器的经验法则：
n * n的LOG离散滤波器，n>=6sigma的最小奇整数。
寻找零交叉的方法:
首先明确：试图通过查找满足g(x,y)=0的坐标来找到零交叉点是不实际的，因为噪声，计算不准确。
正确的方法：用以P为中心的3*3邻域。P点处的零交叉意味着至少有两个相对的领域像素符号不同，测试四种情况：上下，左右，两对角。
如果g(x,y)的值与一个阈值比较，那么不仅相对邻域符号不同，而且数值差的绝对值必须超过这个阈值，这时我们称p为一个零交叉像素。
贴几个相关的文章，加深理解。
https://blog.csdn.net/jinzhichaoshuiping/article/details/51601309


这些不是很能看懂,以后再说
相关文章和解释
https://blog.csdn.net/a361251388leaning/article/details/50302767
https://baike.baidu.com/item/高斯差分函数/1597793?fr=aladdin
理论有待实践