目录
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
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
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
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
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