Abstract: 数字图像处理：第40天
Keywords: 边缘检测,算法
本文最初发表于csdn，于2018年2月17日迁移至此
开篇废话
本来想这篇就开始介绍算子，但想想觉得如果只是散乱的介绍，可能效果不好，所以先来一篇综述，讲讲这些算子的发展过程，和他们之间的相互推导关系，可能有点教科书的风格，但是学算法最主要的就是了解一个算法所解决的问题，算法的优点和缺点，以及改进方法。所以，一定要来一篇综述。
首先，介绍下边缘检测算子的家族关系：
之所以一直在强调是边缘检测算子，是因为这些算子只能检测出图像突变的部分，突变的部分包括边缘，非边缘的其他细节，噪声，等等，所以这些被检测出来的点成为边缘候选点，之后再经过其他方式筛选出边缘点，这就是基本的边缘检测过程：
- 使用边缘检测算子检测到候选点
- 使用筛选算法得到边缘。
大家常说的Canny其实应该属于第二步的算法，而不是Canny算子。。。。
算子介绍
介绍下算子间的关系，强调一点，这些算子出现的时间没有考证先后顺序，以下顺序为逻辑顺序，对于一阶微分算子，鼻祖应该是最简单 $[-1,1]$ 和 $[-1；1]$ 就是一个横向差分和纵向差分，然后进化出来了Robert算子和Prewitt算子。Robert算子继而生出来Sobel算子标准版，后来的计算标明，在 $3\times 3$ 的算子，Scharr算子的表现比 $3\times 3$ 的Sobel算子好，并且Sobel算子出现之前的算子都是未经过数学论证的，也就是说，这些算子是根据经验或实验弄出来的，接下来的文章里，会逐一介绍各个算子。
二阶算子的鼻祖是Laplace算子。主要使用的是Marr-Hildreth算子，通常叫LoG，就是Laplace和高斯平滑模板结合的结果。为了计算方便，通常使用DoG来近似LoG，DoG的全称是高斯差分，两个高斯模板相减产生，能够近似LoG却可以降低计算量。
总结
简短的介绍，使整个脉络相对清楚，下一篇开始从Robert开始介绍。
待续