数字图像边缘检测的概念

边缘检测的概念用于通过更改图像强度来检测边缘的位置和存在。在图像处理中使用不同的操作来检测边缘。它可以检测灰度的变化, 但是当检测到噪声时可以快速给出响应。在图像处理中, 边缘检测是非常重要的任务。边缘检测是模式识别, 图像分割和场景分析的主要工具。它是一种滤波器, 用于提取图像中的边缘点。当图像轮廓的边缘跨越图像的亮度时, 会发生图像的突然变化。

在图像处理中, 边缘被解释为单一类的奇点。在功能上, 奇异性的特征是不连续性, 其中梯度方法是无穷大的。

众所周知, 图像数据是离散形式的, 因此图像的边缘被定义为梯度的局部最大值。 ll

大多数情况下, 边缘在对象与对象, 图元与图元, 对象与背景之间存在。被反射回的对象是不连续的形式。边缘检测方法研究了在灰色区域更改图像的单个像素。

边缘检测主要用于灰色图像的测量, 检测和位置变化。边缘是图像的基本特征。在对象中, 最清晰的部分是边缘和线条。在边缘和线条的帮助下, 对象结构是已知的。因此, 提取边缘是图形处理和特征提取中非常重要的技术。

边缘检测的基本原理如下：

1. 要突出显示局部边缘运算符, 请使用边缘增强运算符。
2. 定义边缘强度并设置边缘点。

注意：存在噪点和图像模糊时, 无法执行边缘检测。

有5个边缘检测运算符, 它们如下：

1. Sobel边缘检测算子

Sobel边缘检测运算符提取图像的所有边缘, 而无需担心方向。 Sobel算子的主要优点是它提供了差分和平滑效果。

Sobel边缘检测算子被实现为两个方向边缘之和。生成的图像是原始图像中的单向轮廓。

Sobel Edge检测运算符由3×3卷积内核组成。 Gx是一个简单的内核, Gy旋转了90°

将这些内核分别应用于输入图像, 因为可以在每个方向（即Gx和Gy）上生成单独的测量值。

以下是渐变幅度：

由于计算速度快得多, 因此可以计算出一个近似的幅度：

2.罗伯特的交叉算子

罗伯特的交叉算子用于对图像进行二维空间梯度测量, 该计算简单而快速。在罗伯特的交叉算子中, 每个点的像素值代表该点输入图像的绝对大小。

罗伯特的交叉算子由2×2卷积核组成。 Gx是一个简单的内核, Gy旋转了90o

以下是渐变幅度：

由于计算速度快得多, 因此可以计算出一个近似的幅度：

3.高斯的拉普拉斯算子

高斯的拉普拉斯算子是图像的二维各向同性度量。在图像中, 拉普拉斯算子是强度快速变化的突出显示区域, 它也用于边缘检测。拉普拉斯算子应用于使用高斯平滑滤镜进行平滑处理的图像, 以降低噪声的敏感性。该运算符将单个灰度图像作为输入, 并生成单个灰度图像作为输出。

接下来是具有像素强度值I（x, y）的图像的拉普拉斯算子L（x, y）。

在拉普拉斯算子中, 输入图像表示为一组离散像素。因此, 找到了在定义中可以近似二阶导数的离散卷积核。

3个常用内核如下：

这是拉普拉斯滤波器中常用的3个离散近似值。

以下是具有高斯标准偏差的二维对数函数：

4. Prewitt运算符

Prewitt运算符是微分运算符。 Prewitt运算符用于计算图像强度函数的近似梯度。在图像中, 在每个点上, Prewitt运算符都会生成梯度向量或法线向量。在Prewitt运算符中, 使用小的, 可分离的整数值滤波器在水平和垂直方向上对图像进行卷积。就计算而言, 它是廉价的。