4K8K电视中的边缘检测技术到底是啥？看这一篇就够了

　　昨天的文章，详细介绍了4K/8K电视中超分辨率算法中的一种改进的插值算法，NEDI。以及这种算法的优缺点比较。读者如有不清楚的，可以翻看昨天的文章，今天书接上文，来聊一聊NEDI算法中的边缘检测技术。
　　什么是边缘检测技术？
　　图像边缘检测技术是数字图像处理与计算机视觉领域最基本的技术。什么是边缘呢？目前较为普遍的说法为＂两个不同灰度值的相邻区域之间＂或者是＂图像灰度变化比较剧烈的地方＂。边缘检测技术就是用来找到这两个灰度之间临界的技术。边缘检测技术的基本原理是什么？
　　边缘检测的基本原理是用一个特定的卷及核对图像进行卷积操作，然后用卷积的得到结果和一个阈值进行比较来判定是否为边缘点。常见的边缘检测卷积核有哪些？
　　常见的卷积核有Rorberts算子、Sobel算子、Prewitt算子、Laplacian算子、Log算子和Canny算子等。
　　这些算子大致分为两类：梯度算子和二阶微分算子。
　　前面讲到的算子除了Log算子为二阶微分算子外，其它都为一阶梯度算子。根据高等数学的相关知识，我们知道，梯度算子在图象边缘处表现为一个峰值，而运用二阶微分算子在图象 边缘位置将表现为两端符号相反的＂过零＂现象。
　　Roberts算子提取边缘的结果边缘较粗，边缘定位不是很准确，容易丢失一部分边缘，同时由于图像没有经过平滑计算，因此不能抑制噪声对边缘检测结果的影响。
　　图一 Roberts算子
　　Sobel算子和Prewitt算子边缘检测的结果差不多，两者对噪声进行了平滑处理，对噪声有一定的抑制，在检测到真实边缘的同时也引入了一些伪边缘，降低边缘检测的精度。但由于两者的方向模板较多，可输出的边缘方向较多。
　　图二 Sobel算子
　　图三 Prewitt算子
　　拉普拉斯高斯算子（Laplacian of Gaussian，LoG）提取边缘的结果比较完整，但对噪声比较敏感，并且对边缘定位精度较差，存在着双边带的问题。
　　图四 拉普拉斯高斯算子
　　Canny算子提取的边缘比较完整，并且由于引入了非极大值抑制，对边缘的定位比较准确。
　　比较常用的边缘检测算子为sobel算子，原因在于它在检测边缘的同时提供了边缘方向信息。经过扩展的sobel算子可以检测8个（实际上为4个，如45度和225度为一个方向）边缘的方向。
　　采用8个sobel算子卷积核分别与三行数据卷积计算得到8个卷积值，选择其中绝对值最大的卷积核方向作为候选边缘方向，并用这个最大值和一阈值比较，若此值大于阈值则认为该像素点为边缘点，反之则不是。边缘检测的重要性
　　得到边缘信息后，就可以根据边缘检测的结果沿边缘方向进行插值。
　　若边缘检测准确性较差，把非边缘的噪声点检测成边缘，那么沿＂边缘方向＂插值后出现人造边缘，插值效果将会变得很差；反之，如果把边缘区域检测成非边缘区域，采用我们之前介绍过的一般的插值函数进行插值，插值效果就基本得不到改善。
　　实际情况是，边缘的方向是任意的，但是算法在进行边缘检测时候，检测得到的边缘方向肯定是有限的，那么如果能够在检测到的边缘方向内，选取最接近实际边缘方向的方向，进行插值，那么得到的插值效果最好。
　　也即是说，如果不能提供更多的边缘方向，选择最接近实际边缘方向的方向最佳；而如果边缘检测方法准确性大致一样，则很显然，如果能提供更多边缘的方向，进行插值，插值效果较好。