概述成因： (1)(1)法向不连续；法向不连续； (2)(2)空间深度不同；空间深度不同； (3)(3)曲面颜色不同；曲面颜色不同； (4)(4)光照不连续。光照不连续。作用： (1)(1)改良图像质量；改良图像质量；(2)(2)理解和重构视觉场景；理解和重构视觉场景； (3)(3)分离对象；分离对象； (4)(4)识别特征；识别特征； (5)(5)其他。其他。2024/9/172024/9/171 1Roberts算子是一种利用局部差分算子寻找边缘的算子，两个模板分别为算法步骤（两种处理方法）： (1) (2) 借鉴canny的处理方法，两个方向分别处理1 10 00 0-1-10 01 1-1-10 02024/9/172024/9/172 2抗噪性能2024/9/172024/9/173 3性能分析利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备一直噪声的能力。该算子对具有陡峭边缘且噪声低的图像效果较好。2024/9/172024/9/174 4Sobel算子中心差分，但对中间水平线和垂直线上的四个邻中心差分，但对中间水平线和垂直线上的四个邻近点赋予略高的权重。近点赋予略高的权重。模板：模板：算法处理处理同算法处理处理同Roberts OperatorRoberts Operator -1-10 02 2-2-20 02 2-1-10 01 11 12 21 10 00 00 0-1-1-2-2-1-12024/9/172024/9/175 5抗噪性能2024/9/172024/9/176 6Prewitt算子也属于中心差分类型，但没有给最邻近点较高的也属于中心差分类型，但没有给最邻近点较高的权重。权重。模板：模板：算法处理处理同算法处理处理同Roberts OperatorRoberts Operator-1-10 01 1-1-10 01 1-1-10 01 11 11 11 10 00 00 0-1-1-1-1-1-12024/9/172024/9/177 7抗噪性能2024/9/172024/9/178 8性能分析sobel算子和Prewitt算子都是对图像先作加权平滑处理，然后再作微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。2024/9/172024/9/179 9Kirsch算子图像中的每个位置都要经过8个模板的作用，最大值被选做输出，达到最大值的模板对应的方向就是边缘的方向。算法步骤：2024/9/172024/9/171010抗噪性能2024/9/172024/9/171111Robinson算子除了模板与kirsch算子不同，其余的运算输出与kirsch算子完全一致。注意算子的对称性(每隔四个符号相反)，可节约计算量2024/9/172024/9/171212抗噪性能2024/9/172024/9/171313二阶算子检测模板算法步骤：图像经模板作用后执行跨零点检测(该过程比较复杂)。 参考文献：HUERTAS and MEDIONI, Detection of Intensity Changes with Subpixel Accuracy Using Laplacian-Gaussian Masks，19860 01 10 01 1-4-41 10 01 10 02024/9/172024/9/171414抗噪性能2024/9/172024/9/171515性能分析采用不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。产生双边缘2024/9/172024/9/171616LOG算子基本思想：先用高斯函数对图像滤波，然后对滤波后的图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。算法步骤： (1)(1)对图像先进行高斯滤波，再进行对图像先进行高斯滤波，再进行LaplaceLaplace算子运算；算子运算； (2)(2)保留一阶导数峰值的位置记录，然后从中寻找保留一阶导数峰值的位置记录，然后从中寻找LaplaceLaplace跨零点；跨零点； (3)(3)采用插值方法对跨零点进行估计。采用插值方法对跨零点进行估计。2024/9/172024/9/171717抗噪性能2024/9/172024/9/171818性能分析该算子克服了Laplician算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成尖锐边缘无法被检测到。原因：作为一个二阶导数，拉普拉斯算子具有对噪声无法接受的敏感性，拉普拉斯算子产生双边缘，最后拉普拉斯不能检测边缘的方向2024/9/172024/9/171919Canny算子基本思想：首先对图像选择一定的基本思想：首先对图像选择一定的GaussGauss滤波器进行平滑滤波器进行平滑滤波，然后采用非极值抑制技术进行处理得到最后的边缘滤波，然后采用非极值抑制技术进行处理得到最后的边缘图像。图像。算法步骤：算法步骤： (1) (1) 用高斯滤波器平滑图像。用高斯滤波器平滑图像。 (2) (2) 用一阶偏导的有限差分来计算梯度的幅用一阶偏导的有限差分来计算梯度的幅 值和方向。值和方向。 (3) (3) 对梯度幅值进行非极大值抑制。对梯度幅值进行非极大值抑制。 (4) (4) 用双阈值算法检测和连接边缘。用双阈值算法检测和连接边缘。2024/9/172024/9/172020抗噪性能2024/9/172024/9/172121性能分析虽然是基于最优化思想推导出的边缘检测算子，但实际效果并不一定最优，原因在于理论和实际有许多不一致的地方(只离散了四个方向)。该算子同样采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉，造成边缘丢失。2024/9/172024/9/1722222024/9/172024/9/172323