常见边缘检测对比(Roberts算子、Prewitt算子、Sobel算子、Laplacian算子、Canny算子)
·
目录
方法对比
- 算子:基于一阶导数的方法
- 算子:基于一阶导数的方法
- 算子:基于一阶导数的方法
- 算子:基于二阶导数的方法
- 算子:非微分边缘检测算子
公式对比
- 算子:,
- 算子:,
- 算子:,
- 算子: 领域:; 邻域:
- 算子:实现步骤:1. 用高斯滤波器平滑图像
2. 计算图像中每个像素点的梯度强度和方向
3. 对梯度幅值进行非极大值抑制
4. 用双阈值算法检测来确定真实和潜在的边缘
优点对比
- 算子:对垂直边缘的检测效果好于斜向边缘
对具有陡峭的低噪声的图像效果最好
定位精度高 - 算子:边缘检测结果在水平方向和垂直方向均比 算子明显
适合用来识别噪声较多,灰度渐变的图像
对噪声有抑制作用,抑制噪声的原理是通过像素平均 - 算子: 算子要比 算子更能准确检测图像边缘
边缘定位较准确,常用于噪声较多,灰度渐变的图像
对像素位置的影响做了加权,相比之下比 算子、 算子效果更好
以滤波算子的形式来提取边缘, 方向各用一个模板,两个模板组合起来构成一个梯度算子。 方向模板对垂直边缘影响最大, 方向模板对水平边缘影响最大。 - 算子:对图像中的阶跃性边缘点定位准确
- 算子:对噪声不敏感,不容易受到噪声干扰
能够检测到真正的弱边缘
使用两种不同的阈值分别检测强边缘和弱边缘
仅当强边缘与弱边缘相连时才将弱边缘包含在输出图像中
缺点对比
- 算子:对噪声敏感,无法抑制噪声的影响
提取边缘的结果是边缘比较粗
边缘定位不是很准确 - 算子:像素平均相当于对图像的低通滤波,所以 算子对边缘的定位不如 算子
- 算子:由于边缘是位置的标志,对灰度的变化不敏感
- 算子:对噪声比较敏感,只适用于无噪声图像
容易丢失边缘方向信息,造成一些不连续的检测边缘 - 算子:易使高频边缘被平滑掉,从而造成边缘丢失
常用场景对比
- 算子:常用于垂直边缘明显或具有陡峭的低噪声的图像的边缘检测任务
- 算子:常用于噪声较多、灰度渐变的图像的边缘检测任务
- 算子:常用于噪声较多,灰度渐变的图像的边缘检测任务
- 算子:常用于归一化检测结果,进行方差计算,可以用在模糊检测任务上
- 算子:被用于诸如“车道线检测”等实际项目中,是最有效的边缘检测方法
边缘检测结果对比
END
更多推荐
已为社区贡献2条内容
所有评论(0)