dog log 算子_灰度图像--图像分割 Marr-Hildreth算子（LoG算子）

学习DIP第49天

转载请标明本文出处：

开篇废话

今天介绍二阶微分算子，二阶微分算子典型的是Laplace算子，LoG可以看成是一个高斯模板的拉普拉斯变换，但是也可以从根源上推导出LoG算子，而后面要介绍的DoG则是为了纯粹的减少计算，模拟LoG的一种方法。

LoG原理

LoG最底层的原理是二阶微分算子，也就是对原始图像求二次微分的边缘定位算法，前面的边缘模型中可以得知，当使用二阶微分算子的时候，其对边缘的响应是一个零交叉，而且能够判断出高灰度方向，但二阶微分对噪声的敏感度过高，需要平滑预处理。

Marr和Hildreth【Marr和Hildreth，1980】证明了以下两个观点：

(1)灰度变化与图像尺寸没有关系，因此检测需要不同尺度的算子

(2)灰度的突然变化会在一阶导数中引起波峰和波谷，或者二阶导数中一起零交叉

所以可以提出一种能变换尺寸的(当时用的是标准Sobel等那些，固定尺寸的，当时Sobel还没有扩展)，在各种大小的图像上都能起作用的，可以检测模糊的相对较大的边缘，也可以检测细小的锐度集中的精细细节，当然这种算子也必须对全图所有像素点其作用。Marr和Hildreth证明LoG算子是满足上述条件的最满意的算子。

数学原理

LoG算子：∇2G

其中标准高斯函数，G(x,y)标准差δ ：G(x,y)=e−x2+y22δ2

对一个标准高斯函数(未归一化)进行二次偏微分：∇2G(x,y)=∂2G(x,y)∂x2+∂2G(x,y)∂y2=[x2δ4−1