灰度图像--图像分割 Robert算子，robert算子

学习DIP第43天

转载请标明本文出处：http://blog.csdn.net/tonyshengtan，欢迎大家转载，发现博客被某些论坛转载后，图像无法正常显示，无法正常表达本人观点，对此表示很不满意。有些网站转载了我的博文，很开心的是自己写的东西被更多人看到了，但不开心的是这段话被去掉了，也没标明转载来源，虽然这并没有版权保护，但感觉还是不太好，出于尊重文章作者的劳动，转载请标明出处！！！！

文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro

开篇废话

       废话开始，Robert算子，之前被用到了图像增强中的锐化，原因是作为一阶微分算子，Robert简单，计算量小，对细节反应敏感，之前说过算子对边缘检测的贡献是提供边缘候选点，Robert算子相比于其他3x3算子，在不经过后处理时，可以给出相对较细的边缘，有看一个博客，博主说Robert给出的边缘较粗，但根据我的测试结果，一阶微分中Robert给出的候选点是最细的，相关Robert基础知识参考前面博文“灰度图像--图像增强 Robert算子、Sobel算子”。这里我们不在介绍重复知识。

算子比较

       与标准一阶差分不同，Robert采用对角线差分，前面博文我曾说我懂为什么要使用对角线，现在有了答案，假设我们采用标准的一阶微分算子，对下面一个数字化的矩形进行横向和纵向的差分，并得出结果，红色表示算子模板中心：
       可以看出，得到的边缘一部分是在内边界，一部分是外边界，并且，黄色像素点并未有计算结果，也就是，边缘候选点丢失了一个。        但是如果我们采用Robert算子计算，结果如下：
       右下角为得到的结果，虽然边缘候选点依然有外边缘和内边缘，但没有遗漏边缘候选点，这就是Robert由于普通差分的地方，也就是对角线差分的好处。        检验完候选点后，接下来的任务是筛选，筛选算法有很多，但最简单的是阈值处理，即超过阈值的为边缘，否则为噪声，或非边缘，这样做的缺点是不准确，有点是速度极快。计算量相当小，在速度要求较高的但准确度要求不高的地方，可以使用Robert加阈值的简单处理。得到边缘。

代码实现结果

       代码之前已经给出，这里只现实下阈值处理后的样子。 原图：
Robert+阈值（阈值给出方式为：边缘候选点的最大值的百分比）：

总结

       Robert算子可以检测到全部的边缘候选点，边界定位能力一般，原因是一阶微分对于斜坡型边缘定位都不准确，使用简单的阈值后可以去掉一些非边缘点，但检测结果准确性一般，但计算速度非常快。 待续。。。。