边缘检测算法

最新推荐文章于 2025-11-18 09:28:41 发布

原创

最新推荐文章于 2025-11-18 09:28:41 发布 · 5.7k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#边缘检测 #图像处理 #canny算法

本文介绍了边缘检测的概念、难点及常见边缘检测算子，重点讲解了Canny算子和Shen-Castan(ISEF)边缘检测器的工作原理和优势，包括高斯滤波、梯度计算、非最大抑制、滞后阈值化等关键步骤，以及两者在噪声处理和边缘定位方面的差异。

1.边缘定义及特点

边缘是由灰阶等高线定义的，穿过等高线时，灰阶会迅速变化，沿着等高线走，灰阶值的变化会更加轻柔，有可能是随机变化的，因此边缘具有一个可以测量的方向。边缘像素和噪声像素相比周围的像素都有明显的变化，而边缘像素互相连接，构成等高线，因此可以通过这一特性区分边缘像素和噪声像素。

2.边缘检测的难点

（1）数码化：图像的采样不可能使得整个边缘都落在像素边缘上，灰阶的变化可能跨越多个像素，形成带锯齿的斜坡边缘，而不是阶梯型边缘。

（2）无处不在的噪声：由于受到光强度、温度、大气效应等因素的影响，导致了图像存在噪声，噪声使得场景中表示同样灰阶的像素，在图像中可能不是同样的灰阶，使灰阶产生了随机变化，因此理想边缘的平滑线条和斜坡在真实的图像中不可能实现。

3.定位边缘的常见算子

有3类常见的方法定位边缘，分别是导数算子、模板匹配、边缘数学模型。下面简单介绍前两种方法，详细介绍最后一种方法。

3.1导数算子

由于边缘是由灰阶值的变化而定义的，而导数可以表征函数的变化率，因此可以利用它来检测边缘。像素用二维变量表示，可以把梯度作为算子。由于一幅图像的像素是离散的，不能直接求像素的偏导数，而是使用差分运算，即一个像素点的导数可以由一块局部区域内灰阶值的变化来近似。我们可以设定一个阈值，任何像素的梯度值如果超过了阈值，即视为边缘像素。