Canny边缘检测和LoG差异

Question

在诊断图像处理中，Canny边缘检测器和LoG（高斯拉普拉斯）之间有什么区别？我是数字图像处理的新手。如果有人能告诉我差异，我会很感激。谢谢和问候。

Answer 1

Canny 边缘检测器基于图像的一阶导数（在x和y方向上的Sobel掩模卷积）。衍生物的大小将如下所示：

您会看到，通过此操作，可以通过具有高值（白色）的像素来识别线条。然后，canny算法还将应用非最大值抑制和行跟踪（参见维基百科）。

然而，高斯算子的拉普拉斯算子是基于图像的二阶导数。此运算符的响应如下所示：

LoG运算符的最高响应将位于图像中类似blob的结构的中心（与LoG内核大小相同）。可以使用LoG算子识别线，而不是通过在图像中找到高幅度，而是通过拐点（过零点）。您可以看到每条线在一侧是黑色而在另一侧是白色。基于二阶导数，它对噪声非常敏感。

Answer 2

两者都是用于检测图像中的显着特征的算法。 Canny边缘检测在输入图像中查找边缘。然而，LoG在图像中寻找斑点，它通过在多个尺度上考虑相同的图像（通过重复按比例缩小图像）来实现这一点。但是，两者都是经常用于检测图像中突出点的算法。

对于实际算法的差异，您应该查阅教科书或维基百科。

计算机视觉通常需要图像中的一组显着点，例如比较图像，检测物体等。然而，没有用于突出点检测的方法，其在所有情况下都是最佳的。 Canny和LoG都是检测突出点的方法，但哪一个更好地取决于情况。