常见边缘检测对比（Roberts算子Prewitt算子Sobel算子Laplacian算子Canny算子）
Posted 大展鸿兔
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了常见边缘检测对比（Roberts算子Prewitt算子Sobel算子Laplacian算子Canny算子）相关的知识，希望对你有一定的参考价值。
目录
方法对比
算子：基于一阶导数的方法
算子：基于一阶导数的方法
算子：基于一阶导数的方法
算子：基于二阶导数的方法
算子：非微分边缘检测算子
公式对比
- 算子：
，
- 算子：
，
- 算子：
，
- 算子：
领域：
；
邻域：
- 算子：实现步骤：1. 用高斯滤波器平滑图像
2. 计算图像中每个像素点的梯度强度和方向
3. 对梯度幅值进行非极大值抑制
4. 用双阈值算法检测来确定真实和潜在的边缘
优点对比
- 算子：对垂直边缘的检测效果好于斜向边缘
对具有陡峭的低噪声的图像效果最好
定位精度高 - 算子：边缘检测结果在水平方向和垂直方向均比
算子明显
适合用来识别噪声较多，灰度渐变的图像
对噪声有抑制作用，抑制噪声的原理是通过像素平均 - 算子： 算子要比 算子更能准确检测图像边缘
边缘定位较准确，常用于噪声较多，灰度渐变的图像
对像素位置的影响做了加权，相比之下比 算子、 算子效果更好
以滤波算子的形式来提取边缘，
方向各用一个模板，两个模板组合起来构成一个梯度算子。
方向模板对垂直边缘影响最大，
方向模板对水平边缘影响最大。 - 算子：对图像中的阶跃性边缘点定位准确
- 算子：对噪声不敏感，不容易受到噪声干扰
能够检测到真正的弱边缘
使用两种不同的阈值分别检测强边缘和弱边缘
仅当强边缘与弱边缘相连时才将弱边缘包含在输出图像中
缺点对比
- 算子：对噪声敏感，无法抑制噪声的影响
提取边缘的结果是边缘比较粗
边缘定位不是很准确 - 算子：像素平均相当于对图像的低通滤波，所以 算子对边缘的定位不如 算子
- 算子：由于边缘是位置的标志，对灰度的变化不敏感
- 算子：对噪声比较敏感，只适用于无噪声图像
容易丢失边缘方向信息，造成一些不连续的检测边缘 - 算子：易使高频边缘被平滑掉，从而造成边缘丢失
常用场景对比
- 算子：常用于垂直边缘明显或具有陡峭的低噪声的图像的边缘检测任务
- 算子：常用于噪声较多、灰度渐变的图像的边缘检测任务
- 算子：常用于噪声较多，灰度渐变的图像的边缘检测任务
- 算子：常用于归一化检测结果，进行方差计算，可以用在模糊检测任务上
- 算子：被用于诸如“车道线检测”等实际项目中，是最有效的边缘检测方法
边缘检测结果对比
END
以上是关于常见边缘检测对比（Roberts算子Prewitt算子Sobel算子Laplacian算子Canny算子）的主要内容，如果未能解决你的问题，请参考以下文章
常见边缘检测对比（Roberts算子Prewitt算子Sobel算子Laplacian算子Canny算子）