图像边缘往往是图像中局部灰度变化最剧烈的地方。
梯度表示函数f(x,y)增大时的最大变化率方向:G(x,y)=[Gx,Gy]=[f对x的偏导数,f对y的偏导数]。
所以图像灰度的变化情况可以通过图像灰度分布的梯度来反映。
经典的边缘检测算法包括一阶导数极大值和二阶导数过零点。
这类方法是用局部图像微分技术来检测图像边缘的。但是图像是离散信号,所以在实际应用中,常用小区域模板卷积来近似计算,通常需要将多个模板组合起来构成一个梯度算子。根据模板的大小,以及模板中系数值的不同,人们提出了许多不同的算子。
对图中每个像素都进行卷积运算,得到一幅梯度图。
在边缘灰度值比较尖锐且图像中噪声比较小时,梯度算子工作效果较好。
领域平均法: 模板越大,约模糊
主要是为了抑制高斯噪声,对椒盐噪声和其他形式的高频分量抑制效果较差.
椒盐噪声是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。
在实际应用的时候,考虑使用均值滤波或者自适应滤波.