图像边缘检测-算子比较总结

一阶导数算子

　　1， Roberts算子：对具有陡峭的低噪声的图像处理效果较好。形式如下：

[100−1] [ 1 0 0 − 1 ]

或者

[0−110] [ 0 1 − 1 0 ]

　　2，Sobel算子：对灰度渐变和噪声较多的图像处理效果比较好，对边缘定位比较准确。形式如下：

⎡⎣⎢−101−202−101⎤⎦⎥ [ − 1 − 2 − 1 0 0 0 1 2 1 ]

或者

⎡⎣⎢−1−2−1000121⎤⎦⎥ [ − 1 0 1 − 2 0 2 − 1 0 1 ]

　　3，Prewitt算子：对灰度渐变和噪声较多的图像处理效果比较好。形式如下：

⎡⎣⎢10−110−110−1⎤⎦⎥ [ 1 1 1 0 0 0 − 1 − 1 − 1 ]

或者

⎡⎣⎢−1−1−1000111⎤⎦⎥ [ − 1 0 1 − 1 0 1 − 1 0 1 ]

二阶微分算子：

　　4，Laplacian算子：这个检测方法对图像中的噪声相当敏感，不能检测边缘的方向，所以很少直接使用拉普拉斯算子进行边缘检测。形式如下：

⎡⎣⎢0101−41010⎤⎦⎥ [ 0 1 0 1 − 4 1 0 1 0 ]

或者

⎡⎣⎢1111−81111⎤⎦⎥ [ 1 1 1 1 − 8 1 1 1 1 ]

　　5，Log/Marr算子：LOG算子是对Laplacian算子的改进，对噪声比较敏感。形式如下：
　　6，Canny算子： 最有效的边缘检测方法。不容易受到噪声干扰，能够检测到真正的弱边缘。处理过程如下：
　　彩色图像转换为灰度图像 -》 对图像进行高斯模糊 计算图像梯度，根据梯度计算图像边缘幅值与角度 -》非最大信号压制处理（边缘细化） -》 双阈值边缘连接处理 -》 二值化图像输出结果。

　　其他的：
　　方向算子Kirsch（8个3*3模板），Nevitia （12个5*5模板）
　　这两个算子是利用多个方向的子模板进行分别计算，最后取幅值最大的那个为最终边缘幅值，方向即最大幅值对应的那个方向