图像处理算法（四）---边缘检测

图像处理领域中涉及很多特征，角点特征，边缘特征，形状特征，纹理特征，颜色特征，直方图统计特征等等（还有很多^_^）。这些特征有些是比较底层的特征，如角点特征，边缘特征，颜色特征等，有些则是较为高层的特征，如形状特征，纹理特征，直方图统计特征。

      这里我们主要谈论底层特征中的边缘特征，提取这些特征的手段叫作边缘特征提取或叫作边缘检测。边缘检测常用的算子中分为一阶检测算子和二阶检测算子，这里提及的算子有些类似数学中的微分的概念（要有一定的数学基础哦）。边缘检测的另外一种形式也被成为相位一致性，这个概念我到后面再谈及，有了这个概念之后帮助我们从图像频域分析边缘提取这一过程。

表1 图像处理边缘检测算子分类表格

类型	具体算子
一阶边缘检测	Roberts交叉算子，Prewitt算子，Sobel算子和Canny算子
二阶边缘检测	Lapacian算子，Marr-Hildreth和LapLacian of Gaussian
其他边缘检测算子	Spacek算子，Petrou算子和Susan算子

      基于边缘检测的分析不易受整体光照强度变化的影响，同时利用边缘信息容易凸显目标信息和达到简化处理的目的，因此很多图像理解方法都以边缘为基础。边缘检测强调的是图像对比度。对比度从直观上的理解就是差异的大小，若对于灰度图像来说就是灰度值（亮度值）的差别，若对于彩色图像则是颜色的差异了。这些差异可以增强图像中的边界特征，因为这些边界就是图像对比度较大的体现。

      这就是我们感知目标边界的大体机制，因为目标的表现就是与它周围的亮度差别。

     一、水平差分算子、垂直差分算子

      亮度变化可以通过对相邻点进行差分处理来增强。对水平方向的相邻点进行差分处理可以检测垂直方向上的亮度变化，根据其作用通常被称为水平边缘检测算子（horizontal edge detector），这样就可以检测出垂直边缘Ex；对垂直方向的相邻点进行差分处理可以检测水平方向上的亮度变化，根据其作用通常被称为垂直边缘检测算子（vertical edge detector），这样就可以检测出水平边缘Ey。

E x = |P x,y - P x+1, y| 

E y = |P x,y - P x,