边缘检测算法分类
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