邊緣檢測是以較小的算子為基礎的，具有兩個建議
1、灰度變化與圖像尺寸無關，因此檢測要求使用不同尺寸的算子。
2、灰度的突然變化會在一階導數產生波峰波谷，在二階導數產生零交叉
大的算子檢測模糊邊緣，小的算子檢測銳度集中的細節
二維高斯函數：

拉普拉斯

LOG（高斯拉普拉斯）

marri-Hildreth算子概念：
1、算子的高斯部分會模糊圖像，將圖像灰度（包括噪聲降低到遠小于sigma的程度）
2、laplace（也就是二階微分和）具有各向同性（旋轉不變）的有點，對任何模板方向灰度變換有相等響應，避免了使用多個模板去計算圖像中任何點處的最強響應
marri-Hildreth算法步驟：
1、用二維高斯函數取樣得到一個nn的高斯低通濾波器對圖像濾波
2、計算由1得到的laplace
3、找到步驟二得到的零交叉點
確定高斯濾波器的經驗法則：
n * n的LOG離散濾波器，n>=6sigma的最小奇整數。
尋找零交叉的方法:
首先明確：試圖通過查找滿足g(x,y)=0的坐標來找到零交叉點是不實際的，因為噪聲，計算不準確。
正確的方法：用以P為中心的3*3鄰域。P點處的零交叉意味著至少有兩個相對的領域像素符號不同，測試四種情況：上下，左右，兩對角。
如果g(x,y)的值與一個閾值比較，那么不僅相對鄰域符號不同，而且數值差的絕對值必須超過這個閾值，這時我們稱p為一個零交叉像素。
貼幾個相關的文章，加深理解。
https://blog.csdn.net/jinzhichaoshuiping/article/details/51601309


這些不是很能看懂,以后再說
相關文章和解釋
https://blog.csdn.net/a361251388leaning/article/details/50302767
https://baike.baidu.com/item/高斯差分函數/1597793?fr=aladdin
理論有待實踐

總結

以上是生活随笔為你收集整理的图像分割-LOG检测器和DOG检测器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。