文档介绍：各类边缘检测算子的比较摘要: 边缘检测是图像处理和计算机视觉中的基本问题, 其目的标识数字图像中亮度变化明显的点。图像边缘检测大幅度地减少了数据量, 并且剔除了可以认为不相关的信息, 保留了图像重要的结构属性。有许多方法用于边缘检测, 它们的绝大部分可以划分为两类: 基于搜索和基于零交叉。基于搜索的边缘检测算子有: Robert s 算子, Prewit t 算子, Sobel 算子, Canny 算子,罗盘算子。基于零交叉的边缘检测算子有 Ma rr-Hildreth 边缘检测器。本篇论文分析了各种检测算子的特点,并对各种边缘检测算法的检测结果进行了比较。关键词:边缘检测;图像处理;算子 0引言图像边缘是图像的重要特征,是计算机视觉、模式识别等的基础,因此边缘检测是图像处理中一个重要的环节。然而,图像边缘受很多因素的影响。这些包括(i) 深度上不连续、( ii) 表面方向不连续、( iii) 物质属性变化和( iv)场景照明变化。目前, 常用的边缘检测算法没有哪一种具有绝对的优越性。因此,对各种边缘检测算子的性能进行比较分析,根据图像边缘的特征选择比较合理的边缘检测显得尤为重要。 1 基于搜索的边缘检测算子基于搜索的边缘检测方法首先计算边缘强度,通常用一阶导数表示,例如梯度模;然后,用计算估计边缘的局部方向,通常采用梯度的方向,并利用此方向找到局部梯度模的最大值。 Roberts 算子 Roberts 算子【1】是一种利用局部差分算子寻找边缘的算子,它由下式给出: g(x, y)=[f(x, y)-f(x+1,y+ 1)] 2 +[f(x+1, y)-f(x,y+ 1)] 2(1) 其中 f(x,y)、f(x+1,y)、f(x,y+ 1)和f(x+1,y+ 1) 分别为 4 领域的坐标,且是具有整数像素坐标的输入图像。 Roberts 算子是 2X2 算子模板。图 1 所示的 2 个卷积核形成了 Roberts 算子。图像中的每一个点都用这 2个核做卷积。 Prewitt 算子 Prewitt 算子由下式给出:S P=( dx 2+ dy 2) 1/2 (2) Prewitt 算子是 3×3 算子模板。图 3 所示的 2 个卷积 dx、 dy 形成了 Prewitt 算子。与 Sobel 算子的方法一样, 图象中的每个点都用这 2 个核进行卷积, 取最大值作为输出值。 Prewitt 【2】算子也产生 1幅边缘幅度图象。 Sobel 算子 100-1 01-10 -101-101-101 111000 -1-1-1 图1 Roberts 算子图2 Prewitt 算子 Sobel 【3】算子是一种一阶微分算子, 它利用像素邻近区域的梯度值来计算1个像素的梯度,然后根据一定的阈值来取舍。它由下式给出: S=( dx 2+ dy 2) 1/2 (3) Sobel 算子是 3×3 算子模板。图 2 所示的 2 个卷积核 dx 、 dy 形成 Sobel 算子。一个核对通常的垂直边缘响应最大,而另一个核对水平边缘响应最大。2个卷积的最大值作为该点的输出值。运算结果是 1幅边缘幅度图象。 Canny 算子 Canny 【4】边缘检测算子是近年来在数字图像处理中广泛应用的边缘算子, 它是应用变分原理推导出的一种用高斯模块导数逼近