计算机视觉面试考点（18）边缘检测算子（Roberts、Prewitt、Sobel、Laplacian、LoG、Canny）
计算机视觉工程师在面试过程中主要考察三个内容：图像处理、机器学习、深度学习。然而，各类资料纷繁复杂，或是简单的知识点罗列，或是有着详细数学推导令人望而生畏的大部头。为了督促自己学习，也为了方便后人，决心将常考必会的知识点以通俗易懂的方式设立专栏进行讲解，努力做到长期更新。此专栏不求甚解，只追求应付一般面试。希望该专栏羽翼渐丰之日，可以为大家免去寻找资料的劳累。每篇介绍一个知识点，没有先后顺序。想了解什么知识点可以私信或者评论，如果重要而且恰巧我也能学会，会尽快更新。最后，每一个知识点我会参考很多资料。考虑到简洁性，就不引用了。如有冒犯之处，联系我进行删除或者补加引用。在此先提前致歉了！
边缘检测算子是用来提取图形边缘的卷积核
边缘提取原理
边缘处的像素值通常会有明显变化
衡量连续的变化可以使用导数
衡量图像像素间离散的变化使用差分
导数：(f(x+Δx)-f(x))/Δx
差分：f(x+1)-f(x)
梯度表示
梯度表示包含大小和方向
如果只有一个算子
只能表示大小
如果有两个算子
两个算子计算的梯度的方向是互相垂直的
如果计算的大小分别为Gx和Gy
方向为：
大小有三种：
很直观，我们会想到分别计算x方向和y方向的差分
于是我们得到两个算子
[-1 1]
和
[-1
1]
但是我们可以发现它们计算的区域不同，只有一个点重合
所以升级为
[-1 1
-1 1]
和
[-1 -1
1 1]
考虑到三个因素：
于是最后产生了Roberts算子
Prewitt
原创文章 55获赞 198访问量 4万+
关注
私信
展开阅读全文
作者：嘻嘻哈哈yjy
