本文主要从原理方面讨论了几种经典的 边缘检测 方法 ,如 Rebort 算子、 Prewitt 算子和 S obel 算子、 拉普拉斯 (Laplacian)算子、 Canny 算子 ,并系统的对其 进行了分析比较 ,为今后的研究工作提供了详细的 参考资料. 边缘 的定义 首先介绍什么是 边缘 。
图像边缘检测的结果直接影响物体检测和识别的效果。 [3] 图像中的边缘检测一直是机器视觉领域中的研究热点,从年代至今,人们已经从不同的角度、不同的应用背景提出了很多方法,归纳起来分为三大类。 第一类是经典的边缘检测方法,如微分算子法、最优算子法和拟合法等。
第一类是经典的边缘检测方法,如微分算子法、最优算子法和拟合法等。 题进行分析,给出一维值代价函数作为最优提取依据,从全局最优的观点提取边缘,如松驰法。 第三类是以小波变换、数学形态学、模糊数学、分形理论等近年来发展起来的高新技术为基础的图像边缘提取方法,尤其是基于多尺度特性的小波变换提取图像边缘的方法是目前研究较多的课题。 其中,以上每一类都包含各种不同的边缘检测算法。 [1] 此外，还诞生了一些如基于神经网络的边缘检测等近年来新兴起的方式。 在这里，由于本人并没有深入、系统地学习过图像处理，能力所限，主要介绍一下经典的边缘检测算法里的算子的方法，以及在传统的图像识别里的sift特征里同样提到的尺度空间概念。
