图像边缘检测各种算子MATLAB实现以及实际应

梯度和拉普拉斯算子在图像边缘检测中的应用

• 数学方法

边缘检测最通用的方法是检测灰度值的不连续性，这种不连续性用一阶和二阶导数来检测。

1. （1）一阶导数：一阶导数即为梯度，对于平面上的图像来说，我们只需用到二维函数的梯度，即：  

   

   ,该向量的幅值：

   

   ,为简化计算，省略上式平方根，得到近似值

   

   ；或通过取绝对值来近似，得到：

   

   。

（2）二阶导数：二阶导数通常用拉普拉斯算子来计算，由二阶微分构成：

1. 边缘检测的基本思想：

1. 寻找灰度的一阶导数的幅度大于某个指定阈值的位置；
2. 寻找灰度的二阶导数有零交叉的位置。

1. 几种方法简介

1. Sobel边缘检测器：以差分来代替一阶导数。Sobel边缘检测器使用一个3×3邻域的行和列之间的离散差来计算梯度，其中，每行或每列的中心像素用2来加权，以提供平滑效果。

   

-1	-2	1
0	0	0
1	2	1

               

-1	0	1
-2	0	2
-1	0	1

                                              

1. Prewitt边缘检测器:使用下图所示模板来数字化地近似一阶导数。与Sobel检测器相比，计算上简单一些，但产生的结果中噪声可能会稍微大一些。

-1	-1	-1
0	0	0
1	1	1

-1	0	1
-1	0	1
-1	0	1

1. Roberts边缘检测器：使用下图所示模板来数字化地将一阶导数近似为相邻像素之间的差，它与前述检测器相比功能有限（非对称，且不能检测多种45°倍数的边缘）。

-1	0
0	1

0	-1
1	0

1. Laplace边缘检测器：二维函数

   

   的拉普拉斯是一个二阶的微分定义：

模板算子可分为四邻域和八邻域，如下：

0	1	0
1	-4	1
0	1	0

（四邻域）

1	1	1
1	-8	1
1	1	1

（八邻域）

1. LoG边缘检测器

由于噪声点（灰度与周围点相差很大的像素点）对边缘检测有一定的影响，所以效果更好的是LoG算子，即Laplacian-Guass算子。引入高斯函数来平滑噪声：

该函数的Laplace算子：

它把Guass平滑滤波器和Laplace锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果比单用Laplace算子要更为平滑，效果更好。

1. Canny边缘检测器

主要分为以下几个步骤：①使用具有指定标准差的一个高斯滤波器来平滑图像，以减少噪声；②在每个点处计算局部梯度和边缘方向；③对步骤②中确定的边缘点产生梯度中的脊线顶部进行追踪，并将实际山不在脊线顶部的像素设置为零，从而在输出中给出一条细线（非最大值抑制），然后使用滞后阈值处理法对这些脊线像素进行阈值处理。最后进行边缘连接。

• 实验结果

原始图像：

1.Roberts算子

2.Prewitt算子

3.Sobel算子

4.Laplace算子

（4邻域）

（8邻域）

1. LoG

四种结果的比较：（Laplace采用8邻域模板）

图像来源：http://www.photophoto.cn/show/05248591.html（网行天下首页>>设计图库>>文化艺术>>插画集：《牧羊犬灰度》）

图像规格：800×677  格式：SVG  模式：RGB

硬件条件：

软件条件：运行环境：Matlab r2015b

三、讨论

1. 各方法优缺点及比较：

1. Roberts算子：Roberts算子是2×2算子，对具有陡峭的低噪声图像响应最好，并且检测垂直边缘的效果好于斜向边缘&