DoG(Difference of Gaussian)算子和LoG(Laplacian of Gaussian)算子是常用的极值点检测(Blob Detection)两种方法,高斯卷积是为了进行尺度变换,那么LapLacian呢。 因此这里首先引入LapLacian算子。
图像边缘检测
因此进行边缘检测有两种方法。一阶导数的极值
梯度算子定义为:
为了简化计算,一般梯度算子可以写为:
于是得到的一阶算子有检测对角线边缘的罗伯特算子:
对应卷积模板为:
加了高斯平滑的边缘提取算子:sobel算子
对应的卷积模板为
二阶导数的过零点
二阶导数算子实际就是Laplace算子,定义为两个方向一阶导数的内积,符号表示