边缘检测(Edge Detection)

个人博客：wyxogo.top

边缘提取

在大多数时候图像的边缘可以承载大部分的信息，并且提取边缘可以除去很多干扰信息，提高处理数据的效率

目标:

识别图像中的突然变化(不连续)

• 图像的大部分语义信息和形状信息都可以编码在边缘上
• 理想:艺术家使用线条勾勒画(但艺术家也使用对象层次的知识)

边缘的种类

• 表面形状的突变
• 深度方向的不连续
• 表面颜色的突变
• 光线阴影的不连续

边缘的特征

边缘是图像强度函数中快速变化的地方，变化的地方就存在梯度，对灰度值求导，导数为0的点即为边界点

卷积的导数

• 偏导数公式：

$$\frac{\partial f(x,y)}{\partial x}=\underset{\epsilon \to 0}{\lim }\frac{f(x+\epsilon ,y)-f(x,y)}{\epsilon }$$

• 在卷积中为描述数据，采取 近似化处理：
  $$\frac{\partial f(x,y)}{\partial x}\approx \frac{f(x+1,y)-f(x,y)}{1}$$

显然在x方向的导数就是与该像素自身与右边相邻像素的差值

卷积描述偏导

使用卷积核处理

对灰度图的x和y方向分别处理后的效果如下图：

有限差分滤波器（卷积核）

• Roberts 算子
  Roberts 算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子。他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感，无法抑制噪声的影响。
  1963年， Roberts 提出了这种寻找边缘的算子。 Roberts 边缘算子是一个 2x2 的模版，采用的是对角方向相邻的两个像素之差。
  Roberts 算子的模板分为水平方向和垂直方向，如下所示，从其模板可以看出， Roberts 算子能较好的增强正负 45 度的图像边缘。

$$d$$