邊緣檢測(cè)常用算子：

基于一階微分的邊緣檢測(cè)方法：

Roberts 算子考慮圖像的2*2鄰域,，是最簡(jiǎn)單的邊緣檢測(cè)算子，算法過程簡(jiǎn)述：

【1】,，遍歷圖像（除去上邊緣和左邊緣）,，對(duì)每個(gè)像素做Roberts模板運(yùn)算。

【2】,，將結(jié)果保存到目標(biāo)圖像,，結(jié)束。

Sobel算子考察的是3*3鄰域,，由兩個(gè)卷積核組成，見上圖,，算法過程簡(jiǎn)述：

【1】,，遍歷圖像（除去邊緣，防止越界）,，對(duì)每個(gè)像素做Sobel模板卷積運(yùn)算,。

【2】，比較兩個(gè)計(jì)算結(jié)果的大小,，取較大者復(fù)制到目標(biāo)圖像,，結(jié)束。

Prewitt算子和Sobel算子類似,，所不同的是選用不同的模板而已,，算法過程相同。

Krisch算子同樣考究3*3鄰域,，所不同的是選用了八個(gè)卷積核,，見上圖,，算法過程簡(jiǎn)述：

【1】，遍歷圖像（除去邊緣,，防止越界）,，對(duì)每個(gè)像素做Krisch模板卷積運(yùn)算。

【2】,，比較八個(gè)計(jì)算結(jié)果的大小,，取較大者復(fù)制到目標(biāo)圖像，結(jié)束,。

基于二階微分的邊緣檢測(cè)方法：

Laplacian 算子是二階導(dǎo)數(shù)邊緣算子,，考察的是3*3鄰域，上圖是兩種比較常用的模板,，算法簡(jiǎn)述如下：

【1】,，遍歷圖像（除去邊緣，防止越界）,，對(duì)每個(gè)像素做Laplancian模板卷積運(yùn)算,，注意是只做其中的一種模板運(yùn)算，并不是兩個(gè),。

【2】,，復(fù)制到目標(biāo)圖像，結(jié)束,。

Gauss-Laplacian考察的是5*5的鄰域,，檢測(cè)的同時(shí)，引入了濾波,，是噪聲得以平滑,，上圖是一種常用的算子，算法簡(jiǎn)述,。

【1】,，遍歷圖像（除去邊緣，防止越界）,，對(duì)每個(gè)像素做Gauss -Laplancian模板卷積運(yùn)算,。

【2】,，復(fù)制到目標(biāo)圖像，結(jié)束。

Canny邊緣檢測(cè)是非常重要的一種邊緣檢測(cè)算法,，主要過程如下：

【1】,，用高斯濾波器平滑圖像,。

已經(jīng)學(xué)習(xí)過,，根據(jù)高斯函數(shù)，構(gòu)造高斯模板，進(jìn)行濾波,，不在贅述,。

【2】，用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向,；

計(jì)算梯度作用模板,，遍歷像素，進(jìn)行模板運(yùn)算即可,。

幅值和方向：

其中,，Phi 表示是幅值，Theta 是方向,，用圖像副本進(jìn)行保存,。

【3】，對(duì)梯度幅值進(jìn)行非極大值抑制,；

為確定邊緣,，必須保留局部梯度最大的點(diǎn)，而抑制非極大值（NMS）,。

解決辦法是,，利用梯度的方向：

已經(jīng)求出Theta 的值，梯度的方向用于非極大值的抑制,，將梯度角離散化到0,1,，2，3中的一個(gè)（通過線性映射）,，采用近似的算法,。知道了梯度角，也就知道了梯度線方向,。

鄰域的中心像素M與沿著梯度線的兩個(gè)像素相比,。如果M的梯度值不比沿梯度線的兩個(gè)相鄰像素梯度值大，則令M=0,。

【4】,，用雙閾值算法檢測(cè)和連接邊緣。

減少假邊緣段數(shù)量的典型方法是對(duì)N[i,，j]使用一個(gè)閾值,。將低于閾值的所有值賦零值,。但問題是如何選取閾值,？

 解決方法：

雙閾值算法。雙閾值算法對(duì)非極大值抑制圖象作用兩個(gè)閾值τ1和τ2,，且2τ1≈τ2,，從而可以得到兩個(gè)閾值邊緣圖象N1［i,j］和N2［i，j］。由于N2［i,，j］使用高閾值得到,，因而含有很少的假邊緣，但有間斷(不閉合),。雙閾值法要在N2［i,，j］中把邊緣連接成輪廓，當(dāng)?shù)竭_(dá)輪廓的端點(diǎn)時(shí),，該算法就在N1［i,j］的8鄰點(diǎn)位置尋找可以連接到輪廓上的邊緣,，這樣，算法不斷地在N1［i,j］中收集邊緣,，直到將N2［i,j］連接起來為止,。