图像边缘提取算子用在锐化
锐化就是将边缘凸显出来
图像模糊算子用在去噪


算子

  • prewitt
  • Roberts算子
  • sobel，scharr
  • Laplacian LoG算子
  • 将二阶导数化为二阶差分，将二阶差分化为卷积核（掩模）
  • canny算子


prewitt

java JAI的拉普拉斯算法提高清晰度_差分


java JAI的拉普拉斯算法提高清晰度_像素点_02


从图中可以看到，prewitt算子对于像素点连续的区域通过卷积后趋近于黑色，对于不连续的区域，也就是梯度较大的区域则卷积后距离黑色较远，则和黑色区别开来，又梯度较大，所以是边缘，边缘被检测出来了。

java JAI的拉普拉斯算法提高清晰度_像素点_03


通过俩个卷积核分别与原图像进行卷积操作，可以将原图像的梯度方向计算出来，横卷积核计算后代表在x轴上的分量，纵卷积核计算后代表在y轴上的分量，计算的符号代表方向。

java JAI的拉普拉斯算法提高清晰度_像素点_04


实际边缘检测时候，先检测横，再检测竖，然后再通过√Gx^2+Gy^2合成,或者|Gx|+|Gy|

Roberts算子

java JAI的拉普拉斯算法提高清晰度_差分_05

sobel，scharr

java JAI的拉普拉斯算法提高清晰度_差分_06


java JAI的拉普拉斯算法提高清晰度_像素点_07

Laplacian LoG算子

java JAI的拉普拉斯算法提高清晰度_卷积核_08


拉普拉斯算子利用边缘所在地二阶偏导数为0的性质，检测边缘。

java JAI的拉普拉斯算法提高清晰度_差分_09

将二阶导数化为二阶差分，将二阶差分化为卷积核（掩模）

二阶偏导等于0意味着，一阶偏导最大，意味着是边缘，但是为什么实际计算时候，等于0的时候反倒不是边缘。

java JAI的拉普拉斯算法提高清晰度_卷积核_10


java JAI的拉普拉斯算法提高清晰度_卷积核_11

java JAI的拉普拉斯算法提高清晰度_差分_12

canny算子

java JAI的拉普拉斯算法提高清晰度_像素点_13


第三步非极大值抑制，是通过梯度正方向或者反方向最大的像素点保留原值，其余的在该方向上的像素点计为0（在一个局部内）来达到细化边缘的效果。