图像边缘检测方法比较研究
图像边缘检测算法的比较分析
的 经 典 算 法 中包 括 Ｃ ａ ｎ ｎ ｙ算 子 、Ｐ ｅ ｗ ｉ ｔ ｔ算 子、Ｒ ｏ ｂ ｅ ｒ ｔ ｓ算 子、 Ｌ ａ ａ Ｇ算 子等 边缘检 测算子 法 。 近年来 不断对 人工 智能和 智能领
１ ． １ ． ４ Ｃ ａ ｎ ｎ ｙ边缘算子
Ｃ ａ ｎ ｎ ｙ算子属于边缘检测 中的一阶微分滤波器 ， 具有多 峰值
ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍ ｅ ｎ ｔ ｉ ｓ ｒ ｅ ｌ ａ ｔ ｉ ｖ ｅ ｌ ｙ ｃ ｏ ｍ ｐ ｌ ｅ ｘ ， ｒ ｅ ｓ ｕ ｌ ｔ ｉ ｎ ｇ ｉ ｎ ｔ ｈ ｅ ｄ ｉ ｆ ｆ ｉ ｃ ｕ ｌ ｔ ｙ ｏ ｆ ｅ ｄ ｇ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｉ ｓ ｒ ｅ ｌ ａ ｔ ｉ ｖ ｅ ｌ ｙ ｌ ａ ｒ ｇ ｅ ． Ｓ ｏ ，
Ｋ ｅ ｙ ｗｏｒ ｄｓ：ｉ ｍ ａ ｇ ｅ ｅ ｄ ｇ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｃ ｏ ｍ ｐ ａ ｒ ａ ｔ ｉ ｖ ｅ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ
１ 图像边缘 检测的方 法
在对 图像 进行处 理和计算机 视觉等领 域 中应用 到的最基本
最优过零 点定位准则 和最大信噪 比准 则三大优 点， 通 域 的发 展， 使得众 多新 的边缘 检测方法 不断涌现 出来， 例如某些 响应准则 ， 过 应用变分 的原理能够 计算 出 ｆ （ ｘ ）函数， 得 出高斯 函数的一阶 利用数学形态 学的边缘检测法 。 边缘 检测技术的不断成熟使得新 微分 。Ｃ ａ ｎ ｎ ｙ算子 属于滤波较强和检测 阶段 多样化 的优化 算子 。 的 边 缘 检 测 方 法 随之 出现 。
样极算子 ， 对于边缘样板 的利用 能够 以作为 算子输 出的最大值 ， 这样能够检
图像处理中的边缘检测算法使用比较
图像处理中的边缘检测算法使用比较边缘检测算法是图像处理领域中一种重要的技术，用于detecting 出图像中物体的边缘。
它在计算机视觉、图像识别、医学图像处理等领域具有广泛的应用。
本文将介绍几种常用的边缘检测算法，并对它们进行比较。
1. Sobel 算子Sobel 算子是一种基于梯度运算的边缘检测算法。
它通过计算图像的梯度来检测边缘的位置和方向。
Sobel 算子在图像的噪声较少的情况下表现良好，但当图像存在噪声时，结果可能会受到噪声的干扰。
2. Prewitt 算子Prewitt 算子也是一种梯度运算的边缘检测算法。
与 Sobel 算子类似，Prewitt 算子也可以计算图像的梯度来检测边缘。
与 Sobel 算子不同的是，Prewitt 算子采用了不同的权重分配，可以更好地检测出图像中的水平和垂直边缘。
3. Roberts 算子Roberts 算子是一种基于差分运算的边缘检测算法。
它通过计算图像中像素点的差异来检测边缘。
Roberts 算子简单直观，并且对噪声不敏感，但它对图像的边缘宽度有一定的限制，可能会造成边缘断裂的情况。
4. Canny 算子Canny 算子是一种综合性边缘检测算法，被广泛应用于图像处理领域。
Canny 算子通过多个步骤进行边缘检测，包括高斯滤波、计算图像梯度、非极大值抑制和双阈值处理。
Canny 算子能够有效地检测图像中的边缘，并具有较好的鲁棒性和准确性。
5. Laplacian 算子Laplacian 算子是一种基于二阶微分的边缘检测算法。
它通过计算图像的二阶导数来检测边缘。
Laplacian 算子可以有效地检测出图像中的变化率最大的位置，适合用于检测曲线和角点等特征。
在比较这些边缘检测算法时，我们可以从以下几个方面进行考察：1. 检测准确性：算法是否能够准确地检测出图像中的边缘，且边缘位置和形状是否与真实边缘一致。
2. 鲁棒性：算法对图像噪声的敏感程度。
在现实应用中，图像会受到不同程度的噪声干扰，算法能否在噪声环境下依然有效检测边缘。
常用边缘检测方法分析与比较
常用边缘检测方法分析与比较摘要：论文对几种常用的图像边缘检测算法进行了分析，实际上这几种方法都在我们的生活生产乃至国防中得到了广泛的应用。
论文在分析的基础上，进一步进行了比对说明，指出了它们各自的特点。
关键词：图像处理；计算机应用；边缘检测；图像边缘；拉普拉斯算子引言图像的边缘是图像的最基本特征，所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的结合。
边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间，它们是图像分割所依赖的重要特征，边缘提取是图形处理、特征抽取中的重要技术。
经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，这种方法被称为边缘检测局部算子法。
1常用算法分析下面是几种常见的边缘检测算子，这里在分析的基础上进行比较研究。
（1）Robert算子它是一种利用局部差分算子寻找边缘的算子。
(2.3)其中f(x，y)是点(x，y)的像素值。
式中的平方根运算使该处理类似于人类视觉系统中发生的过程。
Robert算子是2×2算子，对具有陡峭的低噪声图像响应最好，其算子为：(2.4)Robert运算实际上是求旋转士45°两个方向上微分值的和。
（2）Prewitt边缘算子1970年左右，Prewitt提出此算子，下面的两个卷积核形成了Prewitt边缘算子。
(2.5)P1算子是垂直算子，检测水平边缘，P2是水平算子，检测垂直边缘。
如果我们用Prewitt算子检测图像M的话，我们可以先分别用水平算子和垂直算子进行卷积，得到的是两个矩阵，在不考虑边界的情况下也是和原图像同样大小的M1，M2，它们分别表示图像M中相同位置处的两个偏导数。
然后把M1，M 2对应位置的两个数平方后相加得到一个新的矩阵G，G表示M中各个像素的灰度的梯度值(一个逼近)，然后就可以通过闭值处理得到图像边缘。
总的过程是：(2.6)（3） Sobel算子(2.7)S1是垂直算子，检测水平边缘，S2是水平算子，检测垂直边缘。
图像处理中的边缘检测算法分析与比较
图像处理中的边缘检测算法分析与比较边缘检测是图像处理领域中的一项重要任务，它主要用于识别图像中物体的轮廓以及边缘的提取。
本文将从边缘检测的基本原理出发，分析和比较几种常见的边缘检测算法，包括Sobel算子、Prewitt算子、Canny算子和Laplacian算子。
1. Sobel算子Sobel算子是一种基于灰度差分的边缘检测算法，它通过对灰度图像进行卷积运算来计算图像的一阶梯度，进而得到边缘信息。
Sobel算子分别使用水平和垂直两个3×3的卷积核进行运算，然后将两个方向上的梯度幅值相加得到最终的梯度幅值图像。
Sobel算子简单快速，适用于实时性要求较高的应用场景，但对于一些复杂的边缘情况无法准确检测。
2. Prewitt算子Prewitt算子与Sobel算子类似，也是基于灰度差分的边缘检测算法。
不同之处在于Prewitt算子使用了更为简单的卷积核，即[-1,0,1]和[-1,0,1]的转置，分别对图像进行水平和垂直方向上的卷积运算。
Prewitt算子的计算速度较快，但对于边缘的定位相对不够精确。
3. Canny算子Canny算子是一种经典的边缘检测算法，通过多个步骤的处理来提取图像的边缘。
首先，Canny算子利用高斯滤波器对图像进行平滑处理，以减少噪声对边缘检测的影响。
然后，计算图像的梯度幅值和方向，并利用非极大值抑制来细化边缘。
最后，通过设置高低阈值来进行边缘的二值化，将边缘与其他噪声区分开。
Canny算法具有较高的边缘定位准确性和低的误检率，但计算量较大，适用于复杂场景下的边缘检测。
4. Laplacian算子Laplacian算子是一种基于二阶导数的边缘检测算法，它通过计算图像的拉普拉斯算子来提取边缘。
Laplacian算子可通过二阶Sobel算子的变换来实现，即对图像进行两次卷积运算后求和。
该算法对边缘的定位比较敏感，但容易受到噪声的影响，并且会导致边缘加倍。
综上所述，不同的边缘检测算法在边缘定位准确性、计算速度和抗噪能力等方面存在差异。
图像边缘检测算法的比较与实现
121
202
000
101
121
它是一种奇数大小(3× 3)模板下的全方向微分算子，对检
测点的上下左右进一步加权。Sobel 算子的思想是邻域的像
素 对 当 前 像 素 产 生 的 影 响 不 是 等 价 的 ，所 以 距 离 不 同 的 像 素
具有不同的权值，对算子结果产生的影响也不同。我们用 Sobel 来 检 测 边 缘 的 时 候 ，先 分 别 用 上 述 的 模 板 对 图 像 进 行 卷 积 ，得
Abstract：The purpose of edge detection is to mark the image points that change significantly in intensity. Since derivative could reflect the significant degree of image intensity changes, derivative is used to solve the problem of edge detection in many researched. Three typical edge detection algorithms based on derivatives (Sobel, Log, Canny) are analyzed thoroughly in aspects of idea and flow. Experiments are performed using MATLAB to evaluate these edge detection algorithms. The performance results are analyzed and compared with the scope of application respectively. Key words：image processing; edge detection; template; convolution; non-maximum suppression
图像边缘检测算法比较研究
测 。Ｓ ｂ ｌ 用 图 ３所 示 的两个 核做 卷积 ， ｏｅ 利 一个 核对垂
直边缘 影响 最大．而 另一个 核对水 平边 缘影 响最 大． 两 个 卷积 的最 大值作 为像 素点的输 出值 。
（）原图 ａ
图 ３ｓ ｂ １ 缘 算 子 ｏ ｅ 边
对 于 图像 ｆ ， ，ｏ ｅ 算子定义 如下 ： （ｙ Ｓ ｂ ｌ ｘ）
较 尖锐 ， 在 图像 噪声 比较 小 时． 度算 子 工 作 的效果 如果 Ｒｉ） Ｈ ， 为 阶跃边 缘点 。 且 梯 （ ≥Ｔ 则 ’ ｊ 较好 。对 于一 个 连续 图像 函数 ｘ， ， 梯度 可 表示 Ｙ 其 ） 为一个 矢量 ：
广 ］ｒ
（） ， ＝ ＝ Ｉｏ 【 ｒ ｆ ｏ ｆｌ
基金项 目： 南京 林 业 大 学创 新 基 金 。 目号 １ ３７ ０ ６ 项 ６００３
６
福
建 电
脑
２ １ 年第 ５期 ０１
Ｇ（ ＝ｆ － ，＋ ） ｆｘ ＋ ） ｆ ＋ ，＋ ）ｆ － ，－ ） 算 子很 少直 接用 于边缘检 测，而 主要 确定 已知的边缘 ｙ Ｉｘ １ １＋ （ｙ １＋ （ １ｙ １－ （ １ １ ） （ ｙ ， ｘ ｘ ｙ 像 素是在 图像的暗 区还是在 明区。 ｆ ， １ ￣ ＋ ，－ ） （ｙ ） ｘ ｌｙ １ｌ ｘ－ － ３ 几 种 算 法 实验 结 果 比较 、 则 Ｐｘｙ ｍ ｘ Ｇｘ， （ ） （，＝ ａ （ （ Ｇｙ ） ） ） Ｐｅ ｉ 算 子对 噪声具 有 平滑 作用 ．但 定位 精度 不 ｒｗｔ ｔ 传 统 的边 缘检 测算法 通过 梯度算 子来 实现 ．在求 够高 。 边缘 的梯度 时 ． 要对每个 像素位 置计 算 。 需 在实际 中常 １ Ｓｂ ｌ 子 ． ｏｅ 算 ３ 用 小 区域 模板卷 积来近似 计算 ． 板是 Ｎ Ｎ 的权 值方 模 ＊ Ｓ ｂｌ 子 利用 像 素的 上下 、 右邻 域 的灰 度加 权 阵 。图 ５给 出上述各种算 子处理 的不同结果 。 ｏｅ算 左 算法 ． 据在 边 缘点 处 达到 极值 这一 原 理进 行 边缘 检 根
图像处理中的边缘检测算法综述与比较
图像处理中的边缘检测算法综述与比较引言：图像边缘检测是计算机视觉和图像处理领域中的重要任务之一。
边缘检测有助于提取图像中的重要信息，用于分割、物体识别、目标跟踪等应用。
随着计算机技术的不断发展，边缘检测算法也得到了不断改进和发展。
本文将综述和比较常用的图像处理中的边缘检测算法，包括传统的算子方法和基于深度学习的方法。
一、传统的边缘检测算子方法1.1 Sobel算子Sobel算子是一种基于梯度的边缘检测算子，通过计算图像灰度值在水平和垂直方向上的一阶导数来检测边缘。
Sobel算子简单易于实现，但容易受到图像噪声的干扰，且对边缘方向敏感性较差。
1.2 Prewitt算子Prewitt算子与Sobel算子类似，同样是一种基于梯度的边缘检测算子。
Prewitt算子与Sobel算子在计算上有所区别，但其效果相对较差，对噪声敏感。
1.3 Roberts算子Roberts算子是一种基于两个2x2的模板的边缘检测算子，通过计算图像中每个像素与其对角线相邻像素的差值来检测边缘。
Roberts算子简单但容易产生较多的噪声响应。
1.4 Canny边缘检测算法Canny算法是一种经典的边缘检测算法，具有较好的性能和鲁棒性。
相比于其他算子方法，Canny算法首先对图像进行高斯滤波，然后计算图像梯度和梯度方向，接着通过非极大值抑制和双阈值处理来提取边缘。
二、基于深度学习的边缘检测方法2.1 基于全卷积神经网络（FCN）的方法全卷积神经网络是一种能够接受任意尺寸输入并输出相同尺寸的神经网络。
基于FCN的边缘检测方法将图像视为一个整体，通过多层卷积和上采样操作来提取边缘特征并生成边缘图像。
2.2 基于U-Net的方法U-Net是一种使用对称的编码器-解码器结构进行图像分割的神经网络。
基于U-Net的边缘检测方法将图像分割任务转化为像素级分类问题，并通过使用跳跃连接来融合浅层和深层特征，提高了边缘检测的准确性。
2.3 基于深度Lab颜色空间的方法Lab颜色空间是一种将颜色分离和亮度信息分离的颜色空间，具有较好的色彩分辨率。
图像处理中的边缘检测算法研究与性能评估
图像处理中的边缘检测算法研究与性能评估引言：在当今数字图像处理领域，边缘检测一直是一个重要且挑战性的问题。
边缘提取是图像处理中的一项基本操作，对于目标检测、图像分割和图像识别等任务都具有重要意义。
边缘检测的目标是找到图像中明显的灰度跃变区域，以准确地确定物体的边缘位置。
本文将介绍几种常见的图像处理中的边缘检测算法，并对其性能进行评估。
一、经典边缘检测算法1. Sobel算子Sobel算子是一种基于差分的边缘检测算子，它结合了图像梯度的信息。
Sobel算子使用一个3×3的模板对图像进行卷积操作，通过计算水平和垂直方向上的梯度来找到边缘位置。
Sobel算子虽然简单，但在边缘检测中表现良好。
2. Prewitt算子Prewitt算子是另一种基于差分的边缘检测算子，与Sobel 算子类似，它也使用一个3×3的模板对图像进行卷积操作。
该算子通过计算水平和垂直方向上的梯度来检测边缘。
Prewitt 算子在边缘检测中也有较好的性能。
3. Canny边缘检测Canny边缘检测是一种广泛应用的边缘检测算法。
与Sobel 和Prewitt算子相比，Canny算法不仅能够检测边缘，还能够进行边缘细化和抑制不必要的边缘响应。
它通过多阶段的边缘检测过程，包括高斯滤波、计算梯度幅值和方向、非极大值抑制和双阈值处理等步骤，来提取图像中的边缘。
二、边缘检测算法的性能评估1. 准确性评估准确性是评估边缘检测算法好坏的重要指标。
在进行准确性评估时，可以使用一些评价指标，如PR曲线、F值等。
PR 曲线是以检测到的边缘像素为横坐标，以正确的边缘像素为纵坐标绘制的曲线，用于评估算法的召回率和准确率。
F值则是召回率和准确率的综合评价指标，能够综合考虑算法的检测效果。
2. 实时性评估实时性是边缘检测算法是否适用于实际应用的重要因素。
在实时性评估时，可以考虑算法的运行时间，以及算法对硬件资源的要求。
边缘检测算法应尽量满足实时性的要求，并能够在不同硬件平台上高效运行。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图像边缘检测方法比较研究作者：关琳琳孙媛来源：《现代电子技术》2008年第22期摘要：边缘检测在数字图像处理中有着重要的作用。
系统分析目前具有代表性的边缘检测方法，并用IDL6.3软件实现各种算法。
实验结果表明，各种方法均有各自的优缺点和适用条件，在做图像边缘检测之前，应对图像进行分析，针对图像的特点和应用需求选用合适的方法。
关键词：边缘检测；检测算子；高通滤波；小波变换中图分类号：TP391文献标识码：A文章编号：1004-373X(2008)22-096-03Comparison of Image Edge Detection MethodsGUAN Linlin1,SUN Yuan2(1.Department of Resource Science and Technology,Beijing NormalUniversity,Beijing,100875,China;2.96656 Unit of Second Artillery F orces,Chinese People′s LiberationArmy,Beijing,100820,China)Abstract：Edge detection plays an important role in digital image processing.This paper comprehensively analyze the representative methods of edge detection at present,and realizes each algorithm with the IDL6.3 software.Results indicate that each method has some advantages and limitations.It should be carefully selected according to the characteristics of the image as well as application needs before conducting edge detection.Keywords：edge detection;detective operators;high-pass filtering;wavelet transform1 引言边缘检测技术是图像特征提取中的重要技术之一，也是图像分割、目标区域识别、区域形状提取等图像分析方法的基础。
近年来，边缘检测技术被广泛地应用在各个领域，例如工程技术中零件检查［1］、医学中器官病变状况观察［2］、遥感图像处理中道路等典型地物的提取［3］以及估算遥感平台的稳定精度［4］等。
这使得如何快速、准确地获得边缘信息成为国内外研究的热点。
边缘检测方法在空间域和频域中均可以实现，而且不断涌现出新技术新方法。
这些方法各具特点，但同时也存在着局限性，这给人们在实际应用中如何选择合适的图像边缘检测方法提出了新的难题。
本文分别选取空域处理中经典的边缘检测算子(Roberts算子、Sobel算子、Laplacian算子、Wallis算子、Canny算子)和频域处理常用的傅里叶变换、小波变换这几种边缘检测方法进行详细分析，并对不同算法的边缘检测效果进行比较，总结出各种算法的优缺点和适用范围，从而为人们在实际应用中选择合适的图像边缘检测方法提供实验依据。
文中所有算法实践均在IDL6.3语言环境中实现。
2 边缘检测方法边缘是图像中灰度发生急剧变化的区域边界，可以分为阶跃形边缘和屋脊形边缘2种。
而边缘检测的实质就是将目标与背景之间在灰度或者纹理特征上突变边界线提取出来。
在空域中，可以用图像灰度分布梯度来反映，所以出现了经典的微分算子。
在频域中，由于图像的边缘集中在高频区段，所以采用基于高通滤波的方法进行边缘检测。
2.1 空域微分算子2.1.1 Roberts微分算子Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘，是一种局部差分算子。
检测水平和垂直边缘的效果好于斜向边缘，定位精度高，但对噪声很敏感。
其模板形式为2×2的卷积核，可以表示为：--102.1.2 Sobel微分算子Sobel算子是滤波算子的形式，对噪声具有平滑作用。
其模板是2个奇数大小(3×3)的卷积核；其中一个核对垂直边缘响应最大，另一个对水平边缘响应最大，并且强调中心像素四邻域对其的影响，提供较为准确的方向性，但会检测出伪边缘，定位精度不够高。
模板形式可以表示为：-101-202-101-1-2-10001211.1.3 Laplacian及其变形微分算子Laplacian 算子是二阶微分算子,具有各向同性的特点,用一个卷积核就可以对图像进行处理，对灰度突变敏感，定位精度高。
但是容易丢失一些边缘，对噪声亦敏感。
其定义为：-f(i+1,j)-f(i-1,j)-f(i,j+1)-f(i,j-1)模板形式可以表示为：-10-14-10-10-1-1-1-18-1-1-1-1若考虑非线性动态范围调整得到图像增强，可以结合Laplacian与对数算子构造出Wallis 算子，其定义如下：-［log f(x-1,y)-log f(x+1,y)-log f(x,y-1)-log f(x,y+1)］2.1.4 Canny微分算子Canny算子［5-7］是一个具有滤波、增强和检测的多阶段的优化算子［7］。
Canny算子先用高斯滤波器对图像进行平滑除去噪声，然后以带方向的一阶微分定位导数的最大值，还将经过一个非极大值抑制的过程。
算法中具体通过2个阈值来分别检测强边缘和弱边缘，当且仅当强弱边缘连接时，弱边缘才会被输出。
所以Canny算子不容易受噪声的干扰，能够在噪声和边缘检测间取得较好的平衡，能够检测到真正的弱边缘。
但也容易平滑掉一些重要的边缘信息。
2.2 频域边缘检测方法2.2.1 基于Fourier 变换边缘检测算法图像的边缘信息在图像的灰度级中主要处于傅里叶变换［8］的高频部分，所以采用高通滤波方法，通过调整滤波器的参数，将低频部分屏蔽，使高频部分信息保留，从而实现边缘提取。
常用的3种高通滤波器有：理想高通滤波器(IHPF)、巴特沃思高通滤波器(BHPF)、高斯高通滤波器(GHPF)。
其中IHPF会有明显的振铃效应，边缘效果最不理想。
另外两种滤波器在多次调整参数后可以达到相似边缘提取效果。
其中，巴特沃思高通滤波器定义如下：H(u,v)=1-11+2nD(u,v)=1/22.2.2 基于小波的边缘检测小波变换［9，10］是传统Fourier变换的继承和发展，是时域-频域的局部变换，具有变焦特性。
由于小波变换具有多尺度的特性，图像每个尺度的小波变换都提供了一定的边缘信息。
经过小波变换的分解，将图像分解为4个子块；其中将行低通、列高通子块定义为次低频子块，将行高通、列低通子块定义为次高频子块，这两个子块分别包含了图像水平和垂直边缘信息。
在IDL实现中，只保留这两个子块再进行小波反变换，即可以得到图像的轮廓信息。
3 实验结果对比分析为了检验不同方法的边缘提取效果，选择一幅标准的8 b的灰度图。
在图1中，女孩的帽子、头发有很明显的纹理和边缘信息，而且在帽沿下面有阴影可以检验出各种方法对暗处边缘信息的识别能力。
实验结果如图2所示。
图1 原图像(1) Roberts算子边缘定位精度较高，但经过卷积运算会有半个像素的偏差，容易丢失部分边缘信息，例如女孩的脸庞和肩膀的边缘信息部分丢失。
同时由于没有经过图像平滑计算，不能抑制噪声，但是该算子对具有陡峭的低噪声图像响应最好；Sobel算子边缘定位准确完整，有一定的抗噪能力，提取的信息也较Roberts算子丰富，获得了女孩的脸庞、鼻子等细节信息。
但是边缘一般较宽，视觉效果不理想。
该算子对灰度渐变和具有噪声的图像处理的较好。
(2) Laplacian算子是各向同性的二阶微分算子，不能提供方向信息，对噪声的敏感性比一阶算子大，容易产生虚假边缘，所以很少直接用于边缘检测，而主要用于抑制边缘像素；Wallis算子是变形的Laplacian算子，从处理结果中可以发现它对暗处部分的边缘信息最为敏感，可以将女孩帽沿阴影下的眉毛和头发边缘提取出来。
所以如果对较暗处进行边缘检测可以优先考虑Wallis算子。
(3) Canny算子采用高斯函数对图像进行平滑处理，因此具有较强的去噪能力，同样也平滑掉一些边缘信息。
Canny处理的边缘比较完整、连续、细锐，但与其他方法比边缘信息丢失比较严重。
该方法是传统边缘检测算子中效果较好算子。
(4) IHPF方法存在严重的振铃效应，比如女孩的发带上存在大量的伪边缘，而且边缘的连续性也较差；BHPF比IHPF振铃效应弱得多，提取的边缘较完整连续，而且对于女孩暗处的眉毛和头发的信息较敏感。
需要注意的是噪声等细节信息也存在于傅里叶变换的高频区段，所以该方法对于有大量噪声的图像需先经过平滑处理。
小波变换检测边缘的一个突出的优势是，可以得到不同尺度的边缘信息。
小尺度的处理结果,边缘细节信息较为丰富,边缘定位精度较高,但易受到噪声的干扰；大尺度的处理结果，细节信息偏少，边缘定位较差,但抗噪性好［11］。
在实际应用中，可以参考不同尺度的边缘信息，从而得到精确的图像边缘。
小波变换也需要经过多次调试小波器参数才达到满意的效果。
图2 各种方法的实验结果4 结语通过对实验结果进行比较和分析可知，不同的边缘检测方法对同一幅图像会产生不同的边缘提取效果［12-15］。
Sobel算子的检测效果明显好于Roberts算子，但是边缘较粗，需要经过细化算法进行优化［16］。
Laplacian及其变形算子对噪声敏感，很少用于边缘检测，但是需要提取弱信息时可以优先考虑Wallis算子。
Fourier变换中BHPF比IHPF的效果好得多，但是处理结果会混入噪声。
小波变换是传统Fourier变换的继承和发展，是频域处理比较好的算法，而且可以得到多尺度边缘信息，去噪能力也很强。
在边缘信息量需求不大的情况下，Canny算子是最好的边缘检测算法，它提取的边缘连续且细锐，处理也较频域方法方便。
虽然每种方法都有各自的特色，但是也都存在着不足，例如Canny算子会屏蔽一些重要的边缘信息。
而且空域的边缘提取的阈值设定，频域高通滤波器和小波函数的参数设定往往也影响边缘提取的效果。
本文只是针对各算子的数学表达式以及图像的视觉效果做出了主观评价，而没有进行客观的评价。
一般边缘评价方法有2类：一类是Kitchen提出的机遇边缘局部相关性的方法，主要检测边缘的线型连接程度，但是这种方法不考虑边缘的错检、漏检以及边缘偏移的情况；另一类是Venkatesh在标准边缘图的基础上，判断检测结果中存在的错检、漏检、边缘偏移以及重检的情况，但是标准边缘图像很难得到。