边缘检测原理

什么是边缘？

图像的边缘是指图像局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。

边缘有正负之分，就像导数有正值也有负值一样：由暗到亮为正，由亮到暗为负

求边缘幅度的算法：sobel，Roberts，prewitt，Laplacian，Canny算子

Canny算子效果比其他的要好，但是实现起来有点麻烦

边缘检测主要是图像的灰度变化的度量、检测和定位。

高频信号&低频信号

图像中的低频信号和高频信号也叫做低频分量和高频分量

简单一点说，图像中的高频分量，指的是图像强度（亮度/灰度）变化剧烈的地方，也就是边缘；

图像中的低频分量，指的是图像强度变化平缓的地方，也就是大片色块的地方。

人眼对图像中的高频信号更为敏感。

边缘检测的原理和步骤：

1）滤波：边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能，但是滤波往往也会把边缘界限模糊掉，所以滤波的时候要控制好度。常见的滤波方法主要有高斯滤波。

2）增强：增强边缘的基础是确定图像各点领域强度的变化值。增强算法可以将图像灰度点领域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。

3）检测：经过增强的图像，往往领域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是我们要找的边缘点，3所以应该采用某种方法来对这些点进行取舍。实际工程中，常用的方法就是通过阈值化方法来检测。

边缘检测的原理

在边缘部分，像素值出现“跳跃”或者较大的变化，如果在此边缘部分求一阶导数，就会看到极值的出现，而在一阶导数为极值的地方，二阶导数为0，基于这个原理，就可以进行边缘检测。

• 图像锐化

图像锐化是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰。

图像锐化是为了突出图像上的物的边缘、轮廓，或某些线性目标要素的特征。这种滤波方法提高了边缘与周围图像之间的反差，因此也被称为边缘增强。

•  图像平滑

图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法，目的是使图像亮度平缓渐变，减少突变梯度，改善图像质量。

•  Sobel算子

Sobel算子是典型的基于一阶导数的边缘检测算子，由于该算子中引入了类似局部平均的运算，因此对噪声具有平滑的作用，能很好的消除噪声的影响。

Sobel算子对于像素的位置的影响做了加权，因此与Prewitt算子相比效果更好。

Sobel算子包含两组3*3的矩阵，分别为横向及纵向模板，将之与图像平面卷积，即可分别得出横向及纵向的亮度差分近似值。实际应用中，常用如下两个模板来检测图像边缘：

 缺点是Sobel算子并没有将图像的主题与背景严格的区分开来，换言之就是Sobel算子并没有基于图像灰度进行处理，由于Sobel算子并没有严格的模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。

•  Prewitt算子

Prewitt算子的原理与Sobel算子的一样，只不过是没有了Sobel算子中的权重这一项。