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。当图像轮廓的边缘横跨图像的亮度时，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。在函数，奇异性的特征是不连续，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

通常，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。研究边缘检测的方法，以改变灰度区域中图像的单个像素。

边缘检测主要用于图像灰度的测量，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：

• 要突出显示局部边缘运算符使用边缘增强运算符。
• 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算运算符的主要优点是它提供了差分和平滑效果。

Sobel边缘检测运算符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°

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。

以下是梯度幅度：

由于计算速度快得多，因此可以计算出一个近似的幅度：

2.罗伯特的交叉运算符

罗伯特的交叉运算符用于对图像进行二维空间梯度测量，该计算简单而快速。在Robert的叉运算符，每个点的像素值代表该点输入图像的绝对大小。

罗伯特的交叉运算符由2×2卷积核组成。 Gx是一个简单的内核，Gy旋转了90o

以下是梯度幅度：

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平滑的图像，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个离散逼近。

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运算符产生梯度矢量或法线矢量。在Prewitt运算符，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。