Image processing 边缘检测-它是如何工作的?
我是图像处理新手,不得不做一些边缘检测。我知道有两种检测器——高斯检测器和拉普拉斯检测器,它们分别寻找最大值和零交叉点。我不明白的是,这是如何通过简单地用2d内核卷积图像来实现的。我的意思是卷积如何等于找到最大值和零交叉?拉普拉斯零交叉是一种二阶导数运算,因为局部最大值与二阶导数中的零交叉是等价的。所以它可以写成Image processing 边缘检测-它是如何工作的?,image-processing,edge-detection,Image Processing,Edge Detection,我是图像处理新手,不得不做一些边缘检测。我知道有两种检测器——高斯检测器和拉普拉斯检测器,它们分别寻找最大值和零交叉点。我不明白的是,这是如何通过简单地用2d内核卷积图像来实现的。我的意思是卷积如何等于找到最大值和零交叉?拉普拉斯零交叉是一种二阶导数运算,因为局部最大值与二阶导数中的零交叉是等价的。所以它可以写成f_xx+f_yy。如果我们用一维向量来表示f_xx和f_yy,它就是[-12-1](f(x+1,y)-2*f(x,y)+f(x-1,y)。由于拉普拉斯算子是f_xx+f_yy,它可以在
f_xx+f_yy
。如果我们用一维向量来表示f_xx
和f_yy
,它就是[-12-1]
(f(x+1,y)-2*f(x,y)+f(x-1,y
)。由于拉普拉斯算子是f_xx+f_yy
,它可以在2D内核中重新表述:
0 -1 0
-1 4 -1
0 -1 0
或者如果你考虑对角线元素,则是:
-1 -1 -1
-1 8 -1
-1 -1 -1
另一方面,这里使用高斯核作为低通滤波器进行缩放。标度比由西格玛控制。这主要增强了不同宽度的边缘。基本上,西格玛越大,边缘越厚
拉普拉斯和高斯组合在数学上等价于G_xx+G_yy
,其中G是高斯核。但通常人们使用代替来降低计算成本