MATLAB图像处理：Sobel、Roberts、Canny等边缘检测算子

边缘是图像中像素值剧烈变化的区域，反映了目标的轮廓、纹理等关键信息。边缘检测是图像分割、目标识别等任务的基础。本文将系统解析 六种经典边缘检测算子 的数学原理、实现方法及适用场景，并给出完整的MATLAB代码示例和对比分析。

1. 边缘检测基础

1.1 边缘类型

• 阶跃边缘：像素灰度值在局部范围内发生突变（如物体与背景的交界）
• 斜坡边缘：灰度值逐渐变化，可能存在模糊或反光干扰
• 线状边缘：细长区域灰度与周围差异明显（如裂缝、文字笔画）

1.2 边缘检测流程

1. 去噪：高斯滤波等预处理平滑图像
2. 梯度计算：获取像素梯度幅值与方向
3. 非极大值抑制：细化边缘宽度至单像素级
4. 双阈值处理（可选）：消除伪边缘，连接断裂区域

2. 一阶微分算子

2.1 Roberts算子

• 原理：利用对角线方向的差分近似梯度，检测45°和135°边缘
• 卷积核：

 MATLAB实现：

img = im2double(imread('cameraman.tif'));
kernel_x = [1 0; 0 -1];  % Roberts横向核
kernel_y = [0 1; -1 0];  % Roberts纵向核
grad_x = imfilter(img, kernel_x, 'replicate');
grad_y = imfilter(img, kernel_y, 'replicate');
edge_roberts = sqrt(grad_x.^2 + grad_y.^2);  % 梯度幅值
edge_roberts = edge_roberts > 0.2;           % 直接阈值化
figure; imshow(img); title('原始图片');
figure; imshow(edge_roberts); title('Roberts边缘检测');

2.2 Sobel算子

• 原理：加权平均差分算法，对水平和垂直边缘敏感
• 卷积核：

 MATLAB实现（带梯度方向）：

[grad_x, grad_y] = imgradientxy(img, 'sobel');
[magnitude, direction] = imgradient(grad_x, grad_y);
edge_sobel = magnitude > 0.3;  % 根据图像调整阈值