图像处理中常见的边缘检测算子

[边缘检测]——Sobel算子、Scharr算子、Laplacian算子、Canny边缘检测 边缘检测是图像处理和计算机视觉中基本的问题,边缘检测的目的是标识数字图像中亮度变化明显的点,图像属性中的显著变化通常反映了属性的重要事件和变化。边缘的表现形式如下图所示: 一、边缘检测的分类 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:(1)基于搜索(2)基于零穿越的 注:两类边缘检测方法都是基于导数的。 1、基于搜索的 2、基于零穿越的 基于零穿越的,是在基于搜索的基础上进.. 阅读详情

1、资源搜索

Sobel算子推导

[OpenCV入门教程之十二】OpenCV边缘检测:Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑

边缘检测 从Roberts到Canny算子
图像处理中各种边缘检测的微分算子简单比较(Sobel,Robert, Prewitt,Laplacian,Canny)

2、本人总结

        开始讲解之前,还是老规矩先讨论一下为什么会出现各种算子。计算机不像我们人眼,看到一张图像就知道里面含有什么物体。它的智力是非常低的,我们需要慢慢把图像中的关键信息告诉它后才能分析图像中的内容。而在图像中最重要一部分就是边缘信息,我们人类其实也是根据轮廓对这个目标作出判断。这里我们将主要介绍Sobel,Robert, Prewitt,Laplacian,Canny边缘检测算子,并采用理论加实践方式学习。

        上面提到算子中其实主要分为两种一阶导数和二阶导数算子,其实可以使用更高阶的导数,但是噪声的影响,在纯粹二阶导数操作就会出现对噪声敏感现象,三阶段以上导数信息容易丢失应用价值。二阶导数还可以说明灰度突变类型,在有些情况下,如灰度变化均匀图像,只利用一阶导数可能找不到边界,但使用二阶导数就能提供很有用的信息。对于二阶导数对噪声敏感的问题,我们一般要对图像进行平滑滤波,消除噪声,然后在进行边缘检测。因为二阶导数是基于过零检测的,因此得到的边缘点数较少,有利于后继的处理和识别工作。

2.1 Sobel算子

2.1.1 公式推导

\small \frac{\partial f}{\partial x} \approx \frac{f(x+1,y) - f(x-1,y)}{2} \approx \frac{f(x+1,y-1) - f(x-1,y-1)}{2} \approx \frac{f(x+1,y+1) - f(x-1,y+1)}{2}

\small \frac{\partial f}{\partial x} \approx \frac{f(x,y+1) - f(x,y-1)}{2} \approx \frac{f(x+1,y+1) - f(x+1,y-1)}{2} \approx \frac{f(x-1,y+1) - f(x-1,y-1)}{2}

\small \left \| \triangledown (x,y) \right \| = \sqrt{(\frac{\partial f}{\partial x})^{2} + (\frac{\partial f}{\partial y})^{2} } \approx \left | \frac{\partial f}{\partial x} \right | + \left | \frac{\partial f}{\partial y} \right |

\tiny \approx \frac{1}{4}(4\left | \frac{\partial f}{\partial x} \right | + 4\left | \frac{\partial f}{\partial y} \right |) = \frac{1}{4} (2*(f(x+1,y) - f(x - 1,y)) + (f(x-1,y+1) - f(x - 1,y-1)) ) + (f(x+1,y+1) - f(x + 1,y-1)) )

\tiny \approx \frac{1}{4}(4\left | \frac{\partial f}{\partial y} \right | + 4\left | \frac{\partial f}{\partial x} \right |) =\tiny \frac{1}{4} (-2*(-f(x,y+1) + f(x ,y-1)) -(-f(x+1,y-1) + f(x - 1,y-1)) ) - (-f(x+1,y+1) + f(x - 1,y+1)) )

请让我们根据公式得到的算子来说明一下:

                                             \small G_{x}=\begin{bmatrix} -1 & 0 & +1\\ -2 & 0 & +2\\ -1 & 0& +1 \end{bmatrix}     \small G_{y}=\begin{bmatrix} -1 & -2 & -1\\ 0 & 0 & 0\\ +1 & +2& +1 \end{bmatrix}

上面得到的是相关模板,要与图像进行卷积操作的话,需要将模板旋转180度:

                                             \small G_{x}=\begin{bmatrix} +1 & 0 & -1\\ +2 & 0 & -2\\ +1 & 0& -1 \end{bmatrix}    \small G_{y}=\begin{bmatrix} +1 & +2 & +1\\ 0 & 0 & 0\\ -1 & -2& -1 \end{bmatrix}

看到卷积后的公式,我们大概应该理解为什么第二个公式会添加负号。

更多《计算机视觉与图形学》知识,可关注下方公众号:

 

 

 

 

 

 

 

 

 

 

Matlab与FPGA图像处理——Roberts、Prewitt、Sobel、LOG、Canny等常见的图像边缘检测算子比较 MATLAB 与 FPGA无线通信、图像处理、数字信号处理系列 基于FPGA的实时边缘检测系统设计,sobel边缘检测流水线实现         图像的边缘是图像在亮度级上的阶梯变化的位置,因此可以通过来一阶微分增强边缘的变化,以此检测边缘位置;二阶导数对图像函数的一阶导数求导,能够使检测到的边缘更加的精细。       &nb... 阅读详情

相关推荐

MATLAB梯度和拉普拉斯算子在图像边缘检测中的应用

MATLAB梯度和拉普拉斯算子在图像边缘检测中的应用数学方法边缘检测最通用的方法是检测灰度值的不连续性,这种不连续性用一阶和二阶导数来检测。(1)一阶导数:一阶导数即为梯度,对于平面上的图像来说,我们只需用到二维函数的梯度,即: ,该向量的幅值:,为简化计算,省略上式平方根,得到近似值;或通过取绝对值来近似,得到:。(2)二阶导数:二阶导数通常用拉普拉斯算子来计算,由二阶微分构成:边缘检测的基本...

TuTu998的博客 4085

边缘检测算子

边缘检测可以说是一种定向滤波,图像分为垂直频率(垂直方向的变化)和水平频率(水平方向的变化)两个方向,总体来说就是用后一个像素点的值减去前一个像素点的值得到的结果,我们称之为梯度,就是我们最后要求得边缘。也就是说用下图中第3列减去第二列得值,但是我们怎么实现这种操作呢,我们就用图像滤波方式来实现,区别在于滤波器得值我们在这里指定了大小,正负。 以一个3∗3大小的为例,中心点为 f(x,y) ,如图: Robert算子 我们首先定义Robert算子得卷积核,如下图: 得到的X,Y方向的梯度就是

zyb的博客 3333

Matlab图像处理:边缘检测算子的比较研究

Sobel算子是一种用来进行边缘检测的离散微分算子,它结合了高斯平滑和微分求导。Sobel算子通过两个3x3的矩阵分别对图像进行水平和垂直方向的加权求和,得到两个方向的梯度近似值。水平方向和垂直方向的梯度近似值分别是:-2 0 2;-1 0 1];0 0 0;1 2 1];这两个梯度方向的绝对值的最大值被认为是边缘的强度,而其方向由两个梯度向量确定。Sobel算子简单、直观,能较好地识别出图像中的垂直和水平边缘。Matlab提供了一些内置的函数来处理图像的边缘检测,包括但不限于edge。

weixin_42515392的博客 463

图像处理常用边缘检测算子总结

不同图像灰度不同,边界处一般会有明显的边缘,利用此特征可以分割图像。需要说明的是:边缘和物体间的边界并不等同,边缘指的是图像中像素的值有突变的地方,而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界,也有可能边界的地方并无边缘,因为现实世界中的物体是三维的,而图像只具有二维信息,从三维到二维的投影成像不可避免的会丢失一部分信息;另外,成像过程中的光照和噪声也是不可避免

Augusdi的专栏 10万+

量化数据采集实战:从App接口逆向到Python爬虫系统构建

数据采集是量化分析和自动化策略的基石,其核心原理是通过程序模拟客户端行为,从目标服务器获取结构化数据。在金融科技领域,高效、稳定的数据采集能力直接决定了策略研究的深度和时效性。面对金融App常见的反爬机制,如请求签名和身份认证,工程师需要掌握网络协议分析、接口逆向与模拟请求等关键技术。这些技术不仅能用于获取市场情绪、资金流向等高频数据,更是构建个人量化研究基础设施、实现从主观看盘到客观数据分析转型的关键一步。本文以实战为例,深入剖析了如何系统性地逆向分析数据接口、破解签名算法,并最终构建一个包含代理IP池与

weixin_29032489的博客 1484

RK3568 Android12预置APK的三种模式详解:不可卸载、可卸载与永久删除

本文深入解析RK3568 Android12系统中APK预置的三种模式:不可卸载、可卸载与永久删除,详细介绍了每种模式的技术实现、应用场景及实战案例。针对Rockchip平台特性,提供从目录创建到系统编译的完整指南,帮助开发者根据产品需求选择最佳预置方案,并解决常见问题。

k8s6orchestrator的博客 968

图像的边缘检测算子总结

边缘检测算子的学习总结 之前学习过的边缘检测的算子,一直没仔细总结,现在因为找实习的原因,就来总结一下,若有任何问题,欢迎指出! 在学习的过程中看到一篇博客,这篇博客写了算子与导数之间的数学关系,有兴趣的可以看看。传送门 边缘检测算子在wiki上也有解释,如果只是想了解一下,可以先看看wiki上的解释. 接下来将会记录一下自己学过的Canny,sobel,Prewiit ,Robert,

LilyNothing的博客 8351

从原理到实践:详解RGBD相机深度与彩色图像对齐(D2C)算法

本文深入解析了RGBD相机深度与彩色图像对齐(D2C)算法的原理与实现。针对自组装相机中深度图与彩色图不匹配的核心痛点,文章从相机模型、坐标系变换等数学基础讲起,剖析了传统点映射算法的缺陷,并重点介绍了高效的矩形区域映射算法。该算法通过将深度像素视为矩形区域进行映射,有效解决了空洞和遮挡问题,并附有可直接复用的C++代码与优化技巧,为三维重建、机器人视觉等应用奠定坚实基础。

weixin_28363123的博客 243

三种边缘检测算子及各自优劣

转载于边缘检测算法各自优缺点 边缘提取其实也是一种滤波,不同的算子有不同的提取效果。比较常用的方法有三种,Sobel算子,Laplacian算子,Canny算子。 Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好,sobel算子对边缘定位不是很准确,图像的边缘不止一个像素;当对精度要求不是很高时,是一种较为常用的边缘检测方法。 Canny方法不容易受噪声干扰,能够检测到真正的弱边缘。优点在于,使用两种不同的阈值分别检测强边缘和弱边缘,并且当弱边缘和强边缘相连时,才将弱边缘包含在输出图像中。 La

roymustang的博客 2万+

Wonderware Intouch 2014R2 SP1 安装教程

下载Wonderware System Platform 2014R2 SP1 and Intouch 2014R2 SP1的安装压缩包,如下 软件的下载连接地址如下: https://pan.baidu.com/s/1a2GnI_nfT3vK1l49B94FIQ, 提取码:6ec6 或者直接微信扫描下面的二维码 管理员运行下面的setup.exe可执行程序, 进入安装,选择Product Based Selection, 自定义选择需要安装的程序,如下: 普通的Into

工控先生 3万+

智慧工地算法视频分析服务器区域入侵检测AI视频分析技术在煤矿的实战应用

通过实时分析和处理井下视频资料,智慧矿山算法视频分析服务器不仅能够及时发现并预警人员违规行为和设备异常状况,还能够通过智能分析预防潜在的安全风险,从而显著提高煤矿的安全管理水平和生产效率。

EasyDarwin开源社区技术博客 562

图像边缘检测

边缘检测是图像处理与计算机视觉中的重要技术之一。其目的是检测识别出图像中亮度变化剧烈的像素点构成的集合。图像边缘的正确检测对于分析图像中的内容、实现图像中物体的分割、定位等具有重要的作用。边缘检测大大减少了源图像的数据量,剔除了与目标不相干的信息,保留了图像重要的结构属性。图像的边缘指的是图像中像素灰度值突然发生变化的区域,如果将图像的每一行像素和每一列像素都描述成一个关于灰度值的函数,那么图像的边缘对应在灰度值函数中是函数值突然变大的区域。函数值的变化趋势可以用函数的导数描述。

crossoverpptx的博客 2万+

一键熄火:在 SAP ABAP 平台停用 OAuth 2.0 Client 的正确姿势

本文是一篇面向SAP ABAP平台运维与开发团队的实战指南,重点讲解了OAuth 2.0客户端的停用操作。文章首先阐述了停用的必要性——当客户端存在泄漏风险或配置错误时,停用能在阻断访问的同时保留配置。随后详细介绍了通过SOAUTH2事务码执行停用的具体步骤,并区分了"停用"、"删除"和"撤销令牌"三个关键概念及其适用场景。 文章提供了两个真实案例:一个是怀疑客户端泄漏后的紧急处置流程,另一个是合规审计期间的冻结与恢复操作。最后总结了一份验证清单,

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 280

matlab-如何进行边缘检测/边缘提取(对弹孔进行边缘检测)

几种常用的边缘检测算子: 边缘是图像的最重要的特征,。边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘检测主要是灰度变化的度量、检测和定位。有很多种不同的边缘检测方法,同一种方法使用的滤波器也不尽相同。图像边缘检测就是研究更好的边缘检测方法和检测算子。 边缘检测的基本思想: 利用边缘增强算子,突出图像中的局部边缘; 然后定义像素的“边缘强度”,通过设置阈值的方法提取边缘点集。由于噪...

Fly_Fly_Zhang的博客 8992

华为OD机考 新系统真题 【区分奇偶的数组排序】

华为OD机试 新系统真题【区分奇偶的数组排序】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题【区分奇偶的数组排序】多语言题解。

qq_45776114的博客 516

HBase批量导入工具:BulkLoad使用详解

HBase作为分布式NoSQL数据库,在大数据领域有着广泛应用。传统的数据写入方式(如Put操作)在面对海量数据导入时存在性能瓶颈。BulkLoad提供了一种高效的大批量数据导入方案,可以显著提高数据加载速度并降低集群负载。BulkLoad的核心原理和架构与传统写入方式的性能对比详细的使用方法和实现步骤性能优化技巧和最佳实践实际应用案例分析本文首先介绍BulkLoad的基本概念和原理,然后深入讲解其实现机制和关键技术。接着通过实际案例演示BulkLoad的使用方法,并分析性能优化策略。

大数据洞察的博客 1237

matlab用prewitt算子,canny算子边缘检测_prewitt算子_matlab怎么中值滤波

几种边缘检测算子的比较Roberts,Sobel,Prewitt,LOG,Canny边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括:深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。 边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。图像边缘检测大幅度地减少了数据量,...

weixin_42397925的博客 1001

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

opencv图像处理学习(三十)——边缘检测

之前的坑少程序后面工作后接触到在补例程,我还是重点学习工作要用的吧,比如边缘检测。这个帖子费时有点久,所有东西本人都亲自过了一遍。 1.基本概念 边缘检测是图像处理与计算机视觉中的重要技术之一,其目的是检测识别出图像中亮度变化剧烈的像素点构成的集合。图像边缘的正确检测有利于分析目标检测、定位及识别,通常目标物体形成边缘存在以下几种情形: <1>目标物呈现在图像的不同物体平面上,...

图像学习之旅 3648

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

常见边界提取算子

一、边缘的重要性            边缘在图像处理中的重要性不言而喻。当前AI最高端技术莫过于深度学习,而图像方面的深度学习建模所需要的特征,很多是从边缘为起点,不断向上构成更高层次的特征描述。我们来看下例子,此例摘自zouxy09关于深度学习的一篇文章( Deep Learning(深度学习)学习笔记整理系列):       1995 年前后,Bruno Olshausen和 David F...

yffly0406的博客 8143

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

五种边缘检测算法(附代码)

一、Roberts 边缘检测算子 Roberts边缘检测算子根据任意一对互相垂直方向上的差分可用来计算梯度的原理,采用对角线方向相邻两像素之差,即: 然后根据式(1.9.2)计算出Roberts的梯度幅度值: 它们的卷积算子为: Roberts检测器较为简单,但具有一些功能上的限制,例如,它是非对称的,而且不能检测诸如45°倍数的边缘。然而,它还是经常用于硬件实现中,因为它既简单又快速。 二、Sobel 边缘检测算子 对数字图像的每个像素,考察它上下左右邻点灰度的加权差,与之接近的邻点的权大。据此,定

qq_44947220的博客 1万+

边缘检测

边缘检测算子类别 常见边缘检测算子:Roberts 、Sobel 、Prewitt、Laplacian、Log/Marr、Canny、Kirsch、Nevitia 1、一阶微分算子:Roberts 、Sobel 、Prewitt 我们看这三种边缘检测算子模板及写成差分的形式 Roberts算子: Sobel算子: Prewitt算子: 计算边缘幅值与方向 以Sobel算子为例: G很...

molihong28的博客 943

数字图像处理-各种边缘检测算子的比较研究(1概况以及边缘检测简介)

.1 边缘检测技术概况       计算机视觉处理可以看作是为了实现某一任务从包含有大量的不相关的信息中抽出对我们有用的信息。这就意味着要扔掉一些不必要的信息,所以我们需要尽可能利用物体的不变性质。而边缘就是最重要的不变性质:光线的变化显著地影响了一个区域的外观,但是不会改变它的边缘。最重要的是人的视觉系统也是对边缘最敏感的。边缘是图像的最基本特征。所谓边缘,是指图像中灰度发生急剧变化的区域,或者...

iefenghao的博客 3435

几种边缘检测算子的比较Roberts,Sobel,Prewitt,LOG,Canny

转载 https://blog.youkuaiyun.com/gdut2015go/article/details/46779251 边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括:深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。 边缘检测是图像处

m0_37985967的博客 9501

【python图像处理】图像锐化与边缘检测

1、Roberts算子2、Prewitt算子3、Sobel算子4、Laplacian算子5、Scharr算子6、Canny算子步骤1.步骤2.步骤3.1)2)步骤4.步骤5.7、LOG算子 1、Roberts算子 在Python中,Roberts算子主要通过Numpy定义模板,再调用OpenCV的filter2D()函数实现边缘提取。该函数主要是利用内核实现对图像的卷积运算。 dst = filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borde.

Ray_Songaaa的博客 3461

图像处理算法(一):边缘检测

边缘检测是图像处理的核心技术,用于提取物体轮廓和边界信息。本文介绍了边缘检测的基本原理,比较了Sobel、Canny和Laplacian三种经典算法特点:Sobel简单高效但噪声敏感,Canny精度高但计算复杂,Laplacian适用于精确边缘检测。文章还提供了Java实现Sobel算子的代码示例,并简要说明了Canny检测的多阶段流程。不同算法适用于不同场景,开发者需根据需求选择合适方法,结合降噪等技术提升检测效果。边缘检测为计算机视觉任务提供了重要的图像特征提取基础。

一碗黄焖鸡三碗米饭的博客 1365
上一篇: 动态规划从理论到实践
下一篇: 深度学习目标检测-YOLO专题
元宇宙MetaAI
博客等级 码龄10年 331粉丝 333原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值