Ada banyak kemungkinan deteksi tepi, tetapi 3 contoh yang Anda sebutkan jatuh ke dalam 3 kategori berbeda.
Ini mendekati turunan orde pertama. Memberikan ekstrema pada posisi gradien, 0 di mana tidak ada gradien. Dalam 1D, itu adalah = [−101]
- tepi halus => minimum atau maksimum lokal, tergantung pada sinyal naik atau turun.
- 1 garis piksel => 0 pada garis itu sendiri, dengan ekstrema lokal (tanda berbeda) tepat di sebelahnya. Dalam 1D, itu adalah = [1−21]
Ada alternatif lain untuk Sobel, yang memiliki +/- karakteristik yang sama. Pada halaman Roberts Cross di wikipedia Anda dapat menemukan perbandingan beberapa di antaranya.
Ini mendekati turunan urutan kedua. Memberikan 0 pada posisi gradien dan juga 0 di mana tidak ada gradien. Ini memberikan ekstrema di mana gradien (lebih lama) dimulai atau berhenti.
- tepi halus => 0 di sepanjang tepi, ekstrem lokal di awal / berhenti tepi.
- 1 garis piksel => ekstrem "ganda" di garis, dengan ekstrem "normal" dengan tanda berbeda tepat di sebelahnya
Efek 2 ini pada berbagai jenis tepi dapat dilihat secara visual terbaik:
Ini bukan operator sederhana, tetapi merupakan pendekatan multi-langkah, yang menggunakan Sobel sebagai salah satu langkahnya. Di mana Sobel dan Laplace memberikan Anda hasil grayscale / floating point, yang perlu Anda ambang sendiri, algoritme Canny memiliki penandaan pintar sebagai salah satu langkahnya, jadi Anda hanya mendapatkan hasil biner ya / tidak. Juga, di tepi yang halus, Anda mungkin akan menemukan hanya 1 baris di suatu tempat di tengah gradien.