sober，拉普拉斯，canny算子

sober算子

对图像求xy的一阶导

优缺点：
灰度渐变和噪声较多的图像处理效果较好为什么
sobel算子对边缘定位不是很准确，图像的边缘不止一个像素；当对精度要求不是很高时，是一种较为常用的边缘检测方法。 为什么

canny算子

• 算法原理
  基于Canny算子的边缘检测主要有5个步骤：
  依次是高斯滤波、sober像素梯度计算、

• 非极大值抑制：
  目的：对边缘瘦身
  讲解的网站
  

• 滞后阈值处理
  定义一个高阈值和一个低阈值。梯度强度低于低阈值的像素点被抑制，不作为边缘点；高于高阈值的像素点被定义为强边缘，保留为边缘点；处于高低阈值之间的定义为弱边缘，留待进一步处理。

• 孤立弱边缘抑制。
  
  优缺点：

拉普拉斯算子

• 基本思想：
  邻域的中心像素灰度低于它所在邻域内的其他像素的平均灰度时，此中心像素的灰度应该进一步降低；当高于时进一步提高中心像素的灰度，从而实现图像锐化处理。
• 缺点：对边缘敏感度高，导致存在噪声边缘
• 优点：
  1.Laplacian算子是各向同性的，能对任何走向的界线和线条进行锐化，无方向性。这是拉普拉斯算子区别于其他算法的最大优点。
  2.若拉普拉斯算子在当前像素位置上的值为正，说明该像素的灰度值比周围像素的灰度值要大，即当前像素与周围像素之间存在较大的灰度变化。因此，该像素所在的位置被视为明区，即像素值比周围像素值明亮。