典型微分算子的图像边缘检测对比研究

摘要

基于图像梯度灰度值的微分边缘检测是一种常用的边缘检测方法,其原理是根据图像像素点梯度变化确定图像中的边缘信息,将图像中的边缘轮廓检测出来,可以在保留图像重要信息的同时减少数据量.但不同的微分边缘检测算子在检测的准确性、连续性、边缘宽度以及抑制噪声等方面存在较为明显的差异性.因此,采用典型微分边缘检测方法中的Roberts算子、Prewitt算子、Sobel算子、Laplace算子和Canny算子分别对原始图像和添加噪声并滤波的图像进行边缘检测,其中噪声是方差为0.01的高斯噪声,检测结果显示Canny算子的边缘检测效果较好,且其峰值信噪比为15.035,均方误差为0.038,信噪比为2.837,表明该微分算子抗噪声干扰能力最强,但缺点是所用时间较长,约为0.57 s,是其他算子的5倍以上.