1y1
Gyfx1y12fxy1fx1y1fx1y12fxy1fx1y1在梯度锐化时，我们是用模板运算，即用Sobel算子模板运算。
f1
2
1
0
0
0
1
2
1
Sobel算子水平
1
0
1
2
0
2
1
0
1
Sobel算子垂直
（5）形态学图像处理通过形态学处理不但可以过滤由于噪音或者其他原因引起的一些较小的不
可能为人脸的类肤色区域，减少候选区域和提高检测速度，而且可以填补肤色区域内的较小空洞，防止这些空洞被误认为是人脸器官所造成的，为后续检测区域内欧拉数判断是否为候选区域降低了误判的可能性。
（6）边缘检测
边缘检测常用算子：
基于一阶微分的边缘检测方法：
f○1Roberts算子考虑图像的22邻域，是最简单的边缘检测算子，算法过程简
述：1），遍历图像（除去上边缘和左边缘），对每个像素做Roberts模板运算。2），将结果保存到目标图像，结束。
○2Sobel算子考察的是33邻域，由两个卷积核组成，见上图，算法过程简述：
1），遍历图像（除去边缘，防止越界），对每个像素做Sobel模板卷积运算。2），比较两个计算结果的大小，取较大者复制到目标图像，结束。
○3Prewitt算子和Sobel算子类似，所不同的是选用不同的模板而已，算法过程
相同。Krisch算子同样考究33邻域，所不同的是选用了八个卷积核，见上图，算法过程简述：
1），遍历图像（除去边缘，防止越界），对每个像素做Krisch模板卷积运算。2），比较八个计算结果的大小，取较大者复制到目标图像，结束。基于二阶微分的边缘检测方法
两种Laplacia
模板
fGaussLa
la
cia
算子
Laplacia
算子是二阶导数边缘算子，考察的是33邻域，上图是两种比较常用的模板，算法简述如下：1），遍历图像（除去边缘，防止越界），对每个像素做Lapla
cia
模板卷积运算，注意是只做其中的一种模板运算，并不是两个。2），复制到目标图像，结束。
GaussLaplacia
考察的是55的邻域，检测的同时，引入了滤波，是噪声得以平滑，上图是一种常用的算子，算法简述。1），遍历图像（除去边缘，防止越界），对每个像素做GaussLapla
cia
模板卷积运算。1），复制到目标图像，结束。
Ca
y边缘检测是非常重要的一种边缘检测算法，主要过程如下：1），用高斯滤波器平滑图像。已经学习过，根据高斯函数，构造高斯模板，进行滤波，不在赘述。2），用一阶偏导的有限差分来计算梯度的幅值和方向；计算梯度作用模板，遍历像素，进行模板运算即可。
11H111
11H211
幅值和方向：
1m
fm
H1m
2m
fm
H2m

m
12m
22m


mr