MATLAB中的边缘检测比较

边缘(edge)是指图像局部亮度变化显著的部分。边缘主要存在与目标与目标、目标与背景、区域与区域之间，是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础。图像分析和理解的第一步常常是边缘检测(edge detection)。

在讨论边缘算子之前，首先给出下列几个术语的定义：

边缘点： 图像中亮度显著变化的点
边缘段：边缘点坐标[i,j]及其方向θ的总和，边缘的方向可以是梯度角
轮廓：边缘列表，或是一条边缘列表的曲线模型
边缘连接：从无序边缘表形成有序边缘表的过程。习惯上边缘的表示采用顺时针方向来排序
边缘跟踪：一个用来确定轮廓图像(指滤波后的图像)的搜索过程
边缘检测器：从图像中抽出边缘集合的算法

边缘连接和边缘跟踪之间的区别在于：前者是把边缘检测器产生的无序边缘集合作为输入，输出是一个有序边缘集；后者则是将一幅图像作为输入，输出一个有序边缘集。

另外边缘检测使用局部信息来决定边缘，而边缘跟踪使用整个图像信息来决定一个像素点是不是边缘。


1.边缘检测梯度算法——参见2#
(1)Roberts算子
(2)Sobel算子
(3)Prewitt算子

2.Laplacian算子——参见3#

3.Laplacian-Guass算子——参见4#
(1)LoG算子

4.Canny算子——参见5#

边缘检测梯度算法

1.边缘梯度检测的基本步骤 (1)滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能，需要指出，大多数滤波器在降低噪声的同时也导致边缘强度的损失，因此，增强边缘和降低噪声之间需要折中。 (2)增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域强度值有显著变化的点突出显示出来。边缘增强一般是通过计算梯度幅值来完成的。 (3)检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不是边缘，所有应该用某种方法确定哪些点是边缘。最简单的边缘检测判断是梯度幅值阀值判断。 (4)定位：如果某一应用场合要求确定边缘位置，则边缘的位置在子像素分辨率上来估计，边缘的方位也可以被估计出来。 2.Roberts算子 Roberts交叉算子为梯度幅值计算提供了一种简单的近似方法： 2009-2-17 20:07:11 上传 下载附件(2 KB) 用卷积模板表示方法，上式变成：