# 图像边缘检测与卷积核实验室

提取亮度通道，用可复现的降噪半径抑制噪声，横向对比 Sobel、Prewitt、Roberts、Laplacian 算子，调好阈值化边缘检测，并把胜出结果复现为一张显式写明的卷积核。

> 标准页面: https://elysiatools.com/zh/hubs/image-edge-detection-and-convolution-kernels

- **关键词:** 在线边缘检测, Sobel 算子图像, Prewitt Roberts 对比, Laplacian 边缘图, 卷积核练习场, 自定义核矩阵, 图像梯度算子

## 常见问题

### Sobel、Prewitt、Roberts 到底差在哪？

Sobel 给中心行更高权重，是稳妥的默认选择。Prewitt 均匀平均，在噪声图像上响应更平缓。Roberts 用很小的对角窗口，速度快、对角边缘锐利，但三者中最怕噪声。

### 为什么边缘检测前要模糊？

梯度算子会放大每一个微小波动，未平滑的照片只能得到满是孤立噪点的边缘图。一个记录在案的小模糊半径能安抚平坦区域，同时保住真实边界的连贯性；半径是配方的一部分。

### Laplacian 什么时候比一阶算子强？

在乎局部精细细节的时候。Laplacian 是二阶算子，用强响应和零交叉标记亮度的急变，能抓到一阶梯度过滤掉的细节，但对噪声更敏感，务必跑在平滑过的输入上。

### 什么时候应该改用相关流程？

把边缘图转成用于测量的二值蒙版（阈值化、腐蚀、膨胀、布尔组合）属于 `binary-image-thresholding-and-morphology`；成品照片的降噪与锐化收尾属于 `image-padding-noise-and-sharpening`；色彩与影调调整属于 `photo-color-adjustment-and-artistic-filters`。

## 相关内容

- [二值图像阈值、形态学与掩膜工具](https://elysiatools.com/zh/hubs/binary-image-thresholding-and-morphology): 将图片转换为二值掩膜，比较不同阈值方法，修整前景形状，并通过形态学和布尔运算组合掩膜。
- [图片补边、降噪与最终锐化](https://elysiatools.com/zh/hubs/image-padding-noise-and-sharpening): 在不改变主体构图的前提下，为固定宽高比的交付图保留原图、受控补边、轻度降噪，并在目标尺寸上完成最后的锐化检查。
- [图像清理、尺寸调整与细节增强](https://elysiatools.com/zh/hubs/image-cleanup-resize-and-detail-enhancement): 围绕已审源图，完成方向校正、边缘裁切、降噪、精确缩放和适度锐化，得到可交付图像。
- [照片颜色调整与艺术滤镜](https://elysiatools.com/zh/hubs/photo-color-adjustment-and-artistic-filters): 先修正亮度、对比度、伽马、色相、色温、色调、饱和度和鲜艳度，再应用黑白、复古、双色、海报化、红外、浮雕、马赛克等艺术效果。
- [图像混合模式与合成工具](https://elysiatools.com/zh/hubs/image-blend-modes-and-compositing-tools): 选择合适的混合或合成模式，先对齐源图层，再比较效果，并在交付尺寸检查光晕、颜色和 alpha 边缘。