传统图像处理
一、边缘检测算子
①Sobel算子
![bbd7032bee741be2c1c58b2d39c5ec83.png](https://i-blog.csdnimg.cn/blog_migrate/4a464b3d87816a2e41a7462ff978462e.png)
该算子中引入了类似局部平均的运算,因此对噪声具有平滑作用,能很好的消除噪声的影响。与Prewitt算子相比,Sobel算子对于像素的位置的影响做了加权,可以降低边缘模糊程度,因此效果更好。
②Roberts 算子
![3b906cdbd8a538d90aae4a00a5d9c4cf.png](https://i-blog.csdnimg.cn/blog_migrate/def852a90b456d927b7363eb5a76396f.png)
没有经过图像平滑处理的,因此图像噪声一般得不到很好的抑制。
Roberts 算子的定位精度较高,对具有陡峭的低噪声图像。
③Prewitt算子
![67670d98cafb2e6a9d128cd3339aef2b.png](https://i-blog.csdnimg.cn/blog_migrate/d1fe4713169d5f93e0cd9219cf320160.png)
在边缘处达到极值检测边缘,去掉部分伪边缘,对噪声具有平滑作用。
④Laplacian算子
![4ff32a3c4d54b3dea87a7eb9cbfdfc86.png](https://i-blog.csdnimg.cn/blog_migrate/90423a0146818c8a4694530991eef111.png)
Laplace算子对孤立象素的响应要比对边缘或线的响应要更强烈,因此只适用于无噪声图象。存在噪声情况下,使用Laplacian算子检测边缘之前需要先进行低通滤波。
二、平滑和锐化
锐化就是通过增强高频分量来减少图像中的模糊,在增强图像边缘的同时也增加了图像的噪声。锐化滤波器是为了突出显示图像的边界和其他的细节,这些锐化是基于一阶导数和二阶导数的。
一阶导数可以产生粗的图像边缘,并广泛的应用于边缘提取,二阶导数对于精细的细节相应更好,常被用于图像增强。
常用的算子为Sobel和Laplacian
平滑与锐化相反,过滤掉高频分量,减少图像的噪声是图片变得模糊。主要用于图像的去噪。平滑要使用滤波器,为不改变图像的相位信息,一般使用线性滤波器。
几种不同的平滑方法:1. 归一化滤波器 2. 高斯滤波 3. 中值滤波
三、Canny检测
Canny边缘检测算法可以分为以下5个步骤:
1) 使用高斯滤波器,以平滑图像,滤除噪声。
2) 计算图像中每个像素点的梯度强度和方向。
3) 应用非极大值抑制,以消除边缘检测带来的杂散响应。
4) 应用双阈值检测来确定真实的和潜在的边缘。
5) 通过抑制孤立的弱边缘最终完成边缘检测。
1 高斯平滑滤波
为了尽可能减少噪声对边缘检测结果的影响,所以必须滤除噪声以防止由噪声引起的错误检测。为了平滑图像,