halcon 图像差分_Halcon学习(10)边缘检测(一)

Halcon

学习(十)边缘检测(一)

边缘检测的定义

：使用数学方法提取图像像元中具有亮度值(灰度)空间方向梯度大的边、

线特征的过程。

边缘

是指周围像素灰度有阶跃变化或屋顶等变化的那些像素的集合。图像的边缘对应着图

像灰度的不连续性。

显然图像的边缘很少是从一个灰度跳到另一个灰度这样的理想状况。

真

实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。

边缘的锐利程度由图像灰度的梯

度决定。梯度是指灰度变化的最快的方向和数量。

常见的边缘点有三种

：第一种是阶梯形边缘

(Step-edge),

即从一个灰度到比它高好多的另一

个灰度。第二种是屋顶型边缘

(Roof-edge),

它的灰度是慢慢增加到一定程度然后慢慢减小。

还有一种是线性边缘

(Line-edge),

它的灰度从一级别跳到另一个灰度级别之后然后回来。

边缘检测的方法主要有以下几种：

第一种检测梯度的最大值。由于边缘发生在图像灰度值变化比较大的地方

,

对应连续情形就

是说是函数梯度较大的地方，所以研究比较好的求导算子就成为一种思路。

Roberts

算

子、

Prewitt

算子和

Sobel

算子等就是比较简单而常用的例子。还有一种比较直观的方法就

是利用当前像素邻域中的一些像素值拟合一个曲面

,

然后求这个连续曲面在当前像素处梯

度。从统计角度来说

,

我们可以