基于强度的分析方法.pptx

基于强度的分析方法;;

;;chapter1

边缘检测

;;图像的边缘大致可以分为两类：;边缘检测

概念

查找图像的特征量急剧变化的位置的图像处理方法

研究目的

对于光电检测来说，很多时候干涉条纹是我们检测结果的一个重要反映，那么对于干涉条纹的处理就显得尤为重要，直接影响着我们检测的准确性。

方法

变形曲线模型（轮廓法）

导数法（一阶、二阶）

;基于变形曲线模型（DeformableModel）;;构造方法利用物理的概念

外部能量和内部能量

形变

外部力和内部力的作用

可以用力的平衡原理来解释Snake模型的形变过程

实质上就是内部势力和外部势力趋于平衡

;Snake模型边缘检测过程;计算过程;权重系数，为具有标准差是σ的二维高斯函数;;;;导数法;一阶导数存在一个阶跃

可以用一阶导数的幅度值来检测边缘的存在

幅度的峰值一般对应边缘的位置;sobel算子;Sobel算子;;替代依据对于干涉条纹图像来说，是由CCD采集的数字

图像,是离散的,可以用一阶差分直接代替条纹

图像的偏导数

f(i,j)梯度算子

;;构造出一个模板（单位化）

i方向j方向

这就是roberts算子，也叫交叉算子

;检测结果

Roberts算子通过对角线方向上相邻的两个像素之差近似梯度幅值。计算出来的梯度近似值位置相同，点位于内插点[i+1/2,j+1/2]处，即在2×2邻域的四个像素之间。

结论

该算子仅对噪声干扰小且边缘较为陡峭的图像有着较为理想的检测效果。

;Sobel算子;Sobel算子模板

i方向j方向

条纹中的每个点都与图中的两个模板作卷积

第一个模板对水平边缘影响最大;第二模板对垂直边缘影响最大。

两个卷积的最大值作为该点的输出,运算结果是一幅边缘幅度图像。

;总结

Sobel边缘检测算子是一种非线性边缘算子

本质上是通过计算一阶导数来检测边缘的,同时也可以给出边缘点的梯度方向。该算子在求梯度值前，先??行邻域的加权平均，再进行微分，它是边缘检测中最常用的算子。;;二元图像函数f(x,y)的Laplacian变换为：

用差分代替偏微分，可以在i方向和j方向上得到二次偏微分：

fi2(i,j);Laplacian算子是一个标量,具有各向同向性，同时具有线性和位移不变性，其离散形式为:

Laplacian算子也是借助各种模板卷积实现的(邻域中心值具有较大权重)

缺陷

一阶导数对噪声敏感,因而不稳定,由此,二阶导数对噪声会更加敏感,因而会更不稳定。

;Laplacian算子改进;;高斯脉冲函数和相应的高斯拉普拉斯算子LoG如下：

LOG算子的函数图形如墨西哥草帽，也叫墨西哥草帽算子。;最后通过零交叉点的位置确定边缘点，边缘点的集合P(x,y)可表示为：

P(x,y)={(x,y,δ)|[f(x,y)*G(x,y,δ)]=0}

典型的模板为：

5×5LOG算子模板;;实例对比

原始sobel算子Laplacian算子LOG算子;结果分析;参考文献：;Thanks!