Loading... ## **一、 基于梯度的算法** **1、Roberts边缘检测算子** X方向： 1|0 --|-- 0|-1 Y方向： 0|1 --|-- -1|0 通过计算两个相邻的对角线方向的像素差的梯度值来实现。 **优点**：在沿着边缘方向和垂直边缘方向均优于斜向边缘，定位精度高 **缺点**：对噪声敏感，只适用于含噪声较少的图像 **2、Sobel边缘检测算子** X方向： -1| 0| 1 :--:|:--:|:--: -2| 0| 2 -1| 0| 1 Y方向： -1|-2|-1 :--:|:--:|:--: 0|0|0 1|2|1 **优点**：对噪声的平滑处理，使对图像边缘的检测较为细腻。 **缺点**：可能检测到很多伪边缘，应用在对精度要求不高的场合。 **3、Prewitt边缘检测算子** X方向: -1| 0|1 :--:|:--:|:--: -1| 0| 1 -1| 0| 1 Y方向： -1| -1| -1 :--:|:--:|:--: 0| 0| 0 1| 1| 1 **优点**：对噪声有一定的平滑，可以减少噪声影响 **缺点**：定位精度不够高 **4、LOG边缘检测算子（拉普拉斯高斯算子）** 0|0|-1|0|0 :--:|:--:|:--:|:--:|:--: 0|-1|-2|-1|0 -1|-2|16|-2|-1 0|-1|-2|-1|0 0|0|-1|0|0 **优点**：图像处理速度高；可同时在空域和频域达到最佳；对边界的定位精确程度高，连续性好有较强的抗干扰能力，在对比度弱的情况下也能较好的检测出图像边缘。 **5、Canny边缘检测算子** 1、 用一个高斯函数进行预处理 2、 计算图像的梯度幅值和方向 3、 采用双阈值处理，去除伪边缘点，并对不连续边缘进行连接 在边缘检测和噪声抑制之间达到一个较好的平衡，具有良好的边缘检测性能。 ## 二、基于数学形态学的边缘提取方法 1、对原始图像进行开-闭运算处理 2、将第一步处理后的图像进行假高帽变换 3、 对得到的边缘进行融合 ## 三、基于小波变换的边缘处理算法 ## 四、基于神经网络的边缘检测技术 ## 五、基于遗传算法的边缘检测技术 最后修改：2022 年 04 月 29 日 © 允许规范转载 赞 0