数字图像处理 第七章_图像分割方法技巧.ppt
文本预览下载声明
7.2 几种常用的边缘检测算子 拉普拉斯算子 定义数字形式的拉普拉斯的基本要求是,作用于中心像素的系数是一个负数,而且其周围像素的系数为正数,系数之和必为0。 1 1 -4 0 0 1 0 0 1 7.2 几种常用的边缘检测算子 拉普拉斯算子的分析 优点: 各向同性、线性和位移不变的; 对细线和孤立点检测效果较好。 缺点: 对噪音的敏感,对噪声有双倍加强作用; 不能检测出边的方向; 常产生双像素的边缘。 由于梯度算子和Laplacian算子都对噪声敏感,因此一般在用它们检测边缘前要先对图像进行平滑。 7.2 几种常用的边缘检测算子 马尔算子 马尔(Marr-Hildreth)算子是在拉普拉斯算子的基础上实现的, 它得益于对人的视觉机理的研究,有一定的生物学和生理学意义。 由于Laplacian算子对噪声比较敏感,为了减少噪声影响,可先对图像进行平滑,然后再用Laplacian算子检测边缘。 平滑函数应能反映不同远近的周围点对给定像素具有不同的平滑作用,因此,平滑函数采用正态分布的高斯函数,即: 是标准方差,模糊程度由其决定。 7.2 几种常用的边缘检测算子 h(x,y)对图像f(x,y)进行平滑: g(x,y)= h(x,y) *f(x,y) 对平滑后的图像g(x,y)采用拉普拉斯算子进行边缘检测 ▽2h称为高斯-拉普拉斯滤波算子,或马尔算子,它是一个轴对称函数,各向同性,也称为“墨西哥草帽” ▽2h的剖面和对应的转移函数 7.2 几种常用的边缘检测算子 下面是σ=10时,Marr算子的模板: 7.2 几种常用的边缘检测算子 马尔算子总结 证明这个算子定义域内的平均值为零,因此将它与图像卷积并不会改变图像的整体动态范围。 由于它相当光滑,因此将它与图像卷积会模糊图像,并且其模糊程度是正比于σ的。正因为▽2h的平滑性质能减少噪声的影响,所以当边缘模糊或噪声较大时,利用▽2h检测过零点能提供较可靠的边缘位置。 在该算子中, 的选择很重要, 小时位置精度高但边缘细节变化多。 马尔算子用于噪声较大的区域会产生高密度的过零点。 7.2 几种常用的边缘检测算子 Laplacian算子和Marr算子检测出的边缘二值化图像 Canny边缘检测 沈俊边缘检测 7.2 几种常用的边缘检测算子 7.2 几种常用的边缘检测算子 边缘检测算子总结 这几种算子都能实现中心定位,但对噪声都比较敏感,尤其是Laplacian算子,它是二阶微分算子,对噪声的放大能力更强于其它的一阶微分算子,不利于边缘分析。实用的策略是应当先对图像去噪声。若先对图像平滑处理,抑制噪声,再求微分,则为Marr、Canny等算子 7.2 几种常用的边缘检测算子 曲面拟合法 出发点 基于差分检测图像边缘的算子往往对噪声敏感。因此对一些噪声比较严重的图像就难以取得满意的效果。若用平面或高阶曲面来拟合图像中某一小区域的灰度表面,求这个拟合平面或曲面的外法线方向的微分或二阶微分检测边缘,可减少噪声影响。 7.2 几种常用的边缘检测算子 (a)、(b)、(c)分别是用Laplace算子、Marr算子、曲面拟合法检测出的边缘二值化图像 7.2 几种常用的边缘检测算子 图像处理模板的特点? 7.2 几种常用的边缘检测算子 7.3 边缘跟踪 出发点 由于噪音的原因,边界的特征很少能够被完整地描述,在亮度不一致的地方会中断。 因此典型的边检测算法后面总要跟随着连接过程和其它边界检测过程,用来归整边像素,成为有意义的边 7.3 边缘跟踪 边缘跟踪 将检测的边缘点连接成线就是边缘跟踪 线是图像分析中一个基本而重要的内容,它是图像的一种中层符号描述,它使图像的表述更简洁,并可用来完成一定图像的识别任务。 7.3 边缘跟踪 由边缘形成线特征包括两个过程 提取可构成线特征的边缘 将边缘连成线 连接边缘的方法 光栅跟踪 全向跟踪 7.3 边缘跟踪 光栅跟踪 概念:一种利用类似于电视光栅扫描技术,结合阈值检测而实现的边缘跟踪方法。 7.3 边缘跟踪 7.3 边缘跟踪 光栅跟踪的具体步骤 (1)确定一个比较高的阈值d,把高于该阈值的像素作 为对像素。称该阈值为“检测阈值” (2)用检测阈值d对图像第一行像素进行检测,凡超过d的点都接受对像素,并作为下一步跟踪的起始点。 (3)选取一个比较低的阈值t作为跟踪阈值。该阈值可以根据不同准则来选择,例如,本例中根据相邻对像素之灰度差所能允许的最大值取为4,作为跟踪阈值。 (4)确定邻域点。本例中取(i,j)点下一行的(i+1,j-1),(i+1,j),(i+1,j+1) 为邻域点。 7.3 边缘跟踪 光栅
显示全部