常见边缘检测对比（Roberts算子、Prewitt算子、Sobel算子、Laplacian算子、Canny算子）

最新推荐文章于 2025-11-02 17:22:43 发布

原创

最新推荐文章于 2025-11-02 17:22:43 发布 · 2.8w 阅读

·

36

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#python #边缘检测 #Canny

本文详细比较了基于一阶导数、二阶导数及非微分方法的边缘检测算子，探讨了它们各自的公式、优点（如对噪声处理和边缘定位）、缺点（如对噪声敏感性），并展示了在不同场景下的应用。特别关注了在噪声较多和灰度渐变图像中的表现，并通过实例展示边缘检测结果的差异。

目录

常用场景对比

边缘检测结果对比

方法对比

$Roberts$ 算子：基于一阶导数的方法
$Prewitt$ 算子：基于一阶导数的方法
$Sobel$ 算子：基于一阶导数的方法
$Laplacian$ 算子：基于二阶导数的方法
$Canny$ 算子：非微分边缘检测算子

公式对比

$Roberts$ 算子： $d_{x}=\begin{bmatrix} -1 & 0\\ 0 & 1 \end{bmatrix}$ ， $d_{y}=\begin{bmatrix} 0 & -1\\ 1 & 0 \end{bmatrix}$
$Prewitt$ 算子： $G_{x}=\begin{bmatrix} -1 & 0 & 1\\ -1 & 0 & 1\\ -1 & 0 & 1 \end{bmatrix}$ ， $G_{y}=\begin{bmatrix} 1 & 1 & 1\\ 0 & 0 & 0\\ -1 & -1 & -1 \end{bmatrix}$

最低0.47元/天解锁文章

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

荣仔！最靓的仔！ 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

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。