常用边缘检测方法分析与比较

《常用边缘检测方法分析与比较》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、常用边缘检测方法分析与比较Abstract:Thepapersofseveralmonlyusedinimageedgedetectionalgorithmisanalyzed,infactthesetypesofmethodsareinourlifeandproductionasl:namespaceprefix=ons="urn:schemas-microsoft-:office:office"/>Keyageprocessing;puterapplications;edgedetection;imageedge;Laplacian：论文对几种常用的图像边缘

2、检测算法进行了分析，实际上这几种方法都在我们的生活生产乃至国防中得到了广泛的应用。论文在分析的基础上，进一步进行了比对说明，指出了它们各自的特点。关键词：图像处理；计算机应用；边缘检测；图像边缘；拉普拉斯算子引言图像的边缘是图像的最基本特征，所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的结合。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间，它们是图像分割所依赖的重要特征，边缘提取是图形处理、特征抽取中的重要技术。经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，这

3、种方法被称为边缘检测局部算子法。1常用算法分析下面是几种常见的边缘检测算子，这里在分析的基础上进行比较研究。（1）Robert算子它是一种利用局部差分算子寻找边缘的算子。(2.3)其中f(x，y)是点(x，y)的像素值。式中的平方根运算使该处理类似于人类视觉系统中发生的过程。Robert算子是2×2算子，对具有陡峭的低噪声图像响应最好，其算子为：(2.4)Robert运算实际上是求旋转士45°两个方向上微分值的和。（2）Pre0cm0pt;mso-char-indent-count:2.0"class=MsoNormal>1970年左右，Pre0cm0pt;ms

4、o-char-indent-count:2.0"class=MsoNormal>(2.5)P1算子是垂直算子，检测水平边缘，P2是水平算子，检测垂直边缘。如果我们用Pre0cm0pt;mso-char-indent-count:2.0"class=MsoNormal>(2.6)（3）Sobel算子(2.7)S1是垂直算子，检测水平边缘，S2是水平算子，检测垂直边缘。如果在每个点噪声都是相同的，那么Pre0cm0pt;mso-char-indent-count:2.0"class=MsoNormal>（4）Kirsch边缘算子Kirsch边缘算子是一个3×3的非线

5、形方向算子，它由下图所示的八个掩模组成，图中的每个点都用8个掩模进行卷积，每个掩模都对某个特定边缘方向做出最大响应，所有8个方向中的最大值作为边缘幅度图像的输出，最大响应掩模的序号构成了边缘方向的编码。(2.8)Pre0cm0pt;mso-char-indent-count:2.0"class=MsoNormal>（5）Laplacian算子和LOG算子我们知道，在拐点位置二阶导数是0，所以我们可以通过寻找二阶导数的零交叉点来寻找边缘，而原函数的Laplacian变换定义为：(2.9)常用的模版有(2.10)很显然，一阶导数对噪声是敏感的(因而是不稳定的)，那二

6、阶导数对噪声就会更敏感，因为更不稳定。所以在做L变换之前作平滑是必要的，又因为卷积是可结合可变换的，所以先作高斯卷积然后用L算子作卷积就等价于对原图像使用高斯函数的Laplacian变换后的滤波器作卷积是一样的。这就是一个新的滤波器LOG滤波器。(2.11)但过零算法检测边缘本身具有一定的局限性：一方面，它检测的图像边缘比梯度方法检测的边缘要细；另一方面，它检测的图像边缘会出现大量的闭合环路，这种缺点非常严重。因此，在实际中，基于梯度的边缘检测技术比过零边缘检测技术更具有使用价值。除此之外，还有一些边缘检测算子和算法，如Canny算子、Hueckel算法、arr

7、和Hildreth的零交叉点算子等。2各种算子比较Roberts算子对边缘定位比较准，所以分割结果的边界宽度不像后面的Pre0cm0pt;mso-char-indent-count:2.0"class=MsoNormal>Sobel算子、Pre0cm0pt;mso-char-indent-count:2.0"class=MsoNormal>Laplacian算子是二阶微分算子，对噪声比较敏感，所以分割结果中在一些像素上出现了散碎的边缘像素点。可以证明，它具有各向同性，即与坐标轴方向无关，坐标轴旋转后梯度结果不变。它对边缘的定位还是比较准的。