关于”边缘强度和梯度算子“学习知识录

边缘强度

边缘（EDGE）：是指图像局部特性的不连续性。灰度或结构等信息的突变处称之为边缘。图像的边缘有方向和幅度两种属性。边缘通常可以通过一阶导数或二阶导数检测得到。一阶导数是以最大值作为对应的边缘的位置，而二阶导数则以过零点作为对应边缘的位置。
1.Roberts算子：Roberts算子又称交叉微分算法，它是基于交叉差分的梯度算法，通过局部差分计算检测边缘线条，常来处理具有陡峭的低噪声图像，当图像边缘接近于正负45，处理效果最佳。缺点是对边缘定位信息不太准确，提取的边缘线条较粗。
2.索伯算子（sobel operator）：sobel算子由两个3X3的卷积核构成，分别用于计算中心像素邻域的灰度加权差。
3.Prewitt算子：是一种图像边缘检测的微分算子，其原理是利用特定区域内像素灰度值产生的差分实现边缘检测。由Prewitt算子采用 3x3 模板对区域内的像素值进行计算。Prewitt算子适合用来识别噪声较多、灰度渐变的图像。
格式如下：
$$d_x=\left[\begin{array}{ccc}-1& 0& 1\\ -1& 0& 1\\ -1& 0& 1\end{array}\right]$$
$$d_y=\left[\begin{array}{ccc}-1& -1& -1\\ 0& 0& 0\\ 1& 1& 1\end{array}\right]$$

梯度算子

梯度定义：

函数在某点梯度是一个向量，它的方向与取得最大方向导数的方向一致，而它的模则为方向导数的最大值。

Sobel算子(Sobel Edge Detector)：

实现的过程是通过用梯度算子进行卷积运算的到。
对数字图像的每一个点参考它周围的像素的灰度值的加权差，与其相邻的极大值。
公式如下：
$$\nabla ij=|(f(i-1,j-1)+2f(i-1,j))-(f(i+1,j-1)+2f(i+1,j)+f(i+1,j+1))|$$
$$+|(f(i-1,j-1)+2f(i,j-1)+f(i+1,j-1))-(f(i-1,j+1)+2f(i,j+1)+f(i+1,j+1))|$$
$\nabla ij$为像素点，（i，j）为·边缘强度

Roberts交叉梯度算子(Roberts Cross Edge Detector)：

Roberts交叉梯度算子和Sobel算子类似，梯度幅值可以表示为：

$$\left|G\right|=\sqrt{{G_x}^2+{G_y}^2}$$

为了方便计算，也可以这样计算：

$$\left|G\right|=\left|G_x\right|+\left|G_y\right|$$

梯度角度则可以表示为：

$$\alpha (x.y)=arctan[\frac{G_y}{G_x}]$$

Laplace算子:

Laplace属于二阶算子,Laplace算子对噪声敏感，所以一般在降噪后的图像上使用。
对数字图像{f(i,j)}的每个像素取它关于X和·Y方向的二阶差分之和。与边缘点检测无关的算子。
$${\nabla }^{2}ij=|\nabla x^2(i,j)|+|\nabla y^2(i,j)|$$
$$=f(i+1,j)+f(i-1,j)+f(i,j+1)+f(i,j-1)-4f(i,j)$$