二阶微分算子检测出的边界细节信息较多,而一阶微分算子检测出的非细节轮廓更清晰
评价边缘检测性能优劣的三指标:
1.好的信噪比,即将非边缘点判为边缘点的概率以及将边缘点判为非边缘点的概率要低;
2.好的定位性能,即检测出的边缘点要尽可能在实际边缘的中心;
3.对单一边缘仅有唯一响应,即单个边缘产生多个响应的概率要低,并且虚假响应边界应得到最大抑制。
希望在提高对景物边缘的敏感性同时,可以最大程度抑制噪声。
有一个线性算子——高斯函数的一阶导数,可以在抵抗噪声与边缘检测之间获得一个最佳的折中。
高斯函数与原图的卷积达到了抵抗噪声,而求导数是检测景物边缘的手段。
Roberts算子利用局部差分算子寻找图像边缘,计算简单但不能抑制噪声;Prewitt算子是加权平均算子,能够抑制噪声但可能会造成边缘信息的丢失;Sobel算子能够平滑噪声,但在对边缘进行定位时精度不高;Laplacian算子对噪声较敏感;Canny算子进行了非极大值抑制和形态学连接操作,使得该算子去噪能力强,边缘检测效果好,但速度较慢
转载于:https://blog.51cto.com/3754839/1401770