图像边缘检测技术的研究和比较
摘要
边缘描绘对象的边界，因此边缘提取是图像处理的基础而重要的问题。图像边缘检测大大地减少了图像数据量，过滤了无用的信息，而保留了图像重要属性结构。由于边缘检测是对象检测的第一步，因此对边缘检测算法的正确理解是问题的关键。本文对各种各样的图像边缘检测技术进行了比较分析。通过编写MATLAB70程序，显示在几乎所有情景下Ca
y边缘检测算法比其他所有的算法的执行效果都好。对处理后图像的评估显示：在有噪声的情况下，LoG算子，Robert算子，Prewitt算子，Sobel算子各自都表现出色。观察Ca
y边缘检测算法在计算上比LoG算子，Sobel算子、Prewitt算子和Robert算子代价高。
关键字：边缘检测，噪声，数字图像处理
1介绍
边缘检测定义为识别和定位图像突变间断性的过程。间断性是描述像素灰度急剧变化的描述对象边界的地方。经典的边缘检测方法包括用算子对图像进行卷积，该算子对图像梯度敏感，当在平坦区域时，返回值为0。现在设计出大量的边缘检测算子，它们各自针对某种特定边缘敏感。在选择边缘检测算子时，要根据边缘取向、噪声环境和边缘结构等的变化而变。算子的几何形状决定了边缘最敏感的特征方向。可以选选择合适的算子来寻找水平，垂直或者对角边缘。由于噪声和边缘信息在高频部分，对有噪声的图像，边缘检测是比较困难的。而尝试减少噪声，又导致边缘模糊和变形。用于有噪声图像的算子通常具有更大的尺寸，因此它能用足够的数据进行均衡，以削弱噪声像元，这个结果使检测出的边缘定位精度降低。不是所有的边缘包含灰度的阶跃变化。例如折射或弱焦点可能导致对象的边界灰度逐渐变化。这些情况下，选择的算子要对这种渐变敏感。因此，就出现了检测为伪边缘、真实的边缘的漏检、边缘定位精度、高计算时间
1
f的问题和由噪声产生的问题等。所以，本文诣在对各种边缘检测技术进行比较和分析，并且指出各自适用的情况。这里有许多方法进行边缘检测。然而，这些检测方法大多可以分为两类：基于梯度的边缘检测：梯度法通过寻找图像一阶导数极大值和极小值来检测边缘。基于Laplacia
边缘检测：Laplacia
算法是搜索图像二阶导数的零交叉点来寻找边缘。边缘具有一维的倾斜形状，并且计算图像导数可能突出它的位置。假设我们有以下由灰度跃迁显示边缘的信号
如果我们采用这个信号的梯度，我们得到如下图：
明显地，原始的信号中位于的边缘中心的地方显示出了一个最大值。这种找出边缘的方法r