图像边缘提取算法分析.pptVIP

报告人：苏白龙 小组成员：苏白龙 孔政 王星晨 余婷 刘海东 许斌 蒋晶晶 李闯 徐青青 傅超 概述 成因： (1)法向不连续； (2)空间深度不同； (3)曲面颜色不同； (4)光照不连续。 作用： (1)改良图像质量；(2)理解和重构视觉场景； (3)分离对象； (4)识别特征； (5)其他。 * * Roberts算子 是一种利用局部差分算子寻找边缘的算子，两个模板分别为 算法步骤（两种处理方法）： (1) (2) 借鉴canny的处理方法，两个方向分别处理 1 0 0 -1 0 1 -1 0 抗噪性能 性能分析 利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备一直噪声的能力。 该算子对具有陡峭边缘且噪声低的图像效果较好。 Sobel算子 中心差分，但对中间水平线和垂直线上的四个邻近点赋予略高的权重。 模板： 算法处理处理同Roberts Operator -1 0 2 -2 0 2 -1 0 1 1 2 1 0 0 0 -1 -2 -1 抗噪性能 Prewitt算子 也属于中心差分类型，但没有给最邻近点较高的权重。 模板： 算法处理处理同Roberts Operator -1 0 1 -1 0 1 -1 0 1 1 1 1 0 0 0 -1 -1 -1 抗噪性能 性能分析 sobel算子和Prewitt算子都是对图像先作加权平滑处理，然后再作微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。 虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。 Kirsch算子 图像中的每个位置都要经过8个模板的作用，最大值被选做输出，达到最大值的模板对应的方向就是边缘的方向。 算法步骤： 抗噪性能 Robinson算子 除了模板与kirsch算子不同，其余的运算输出与kirsch算子完全一致。 注意算子的对称性(每隔四个符号相反)，可节约计算量 抗噪性能 二阶算子检测 模板 算法步骤：图像经模板作用后执行跨零点检测(该过程比较复杂)。 参考文献：HUERTAS and MEDIONI, Detection of Intensity Changes with Subpixel Accuracy Using Laplacian-Gaussian Masks，1986 0 1 0 1 -4 1 0 1 0 抗噪性能 性能分析 采用不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。 产生双边缘 LOG算子 基本思想：先用高斯函数对图像滤波，然后对滤波后的图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。 算法步骤： (1)对图像先进行高斯滤波，再进行Laplace算子运算； (2)保留一阶导数峰值的位置记录，然后从中寻找Laplace跨零点； (3)采用插值方法对跨零点进行估计。 抗噪性能 性能分析 该算子克服了Laplician算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成尖锐边缘无法被检测到。 原因：作为一个二阶导数，拉普拉斯算子具有对噪声无法接受的敏感性，拉普拉斯算子产生双边缘，最后拉普拉斯不能检测边缘的方向 Canny算子 基本思想：首先对图像选择一定的Gauss滤波器进行平滑滤波，然后采用非极值抑制技术进行处理得到最后的边缘图像。 算法步骤： (1) 用高斯滤波器平滑图像。 (2) 用一阶偏导的有限差分来计算梯度的幅 值和方向。 (3) 对梯度幅值进行非极大值抑制。 (4) 用双阈值算法检测和连接边缘。 抗噪性能 性能分析 虽然是基于最优化思想推导出的边缘检测算子，但实际效果并不一定最优，原因在于理论和实际有许多不一致的地方(只离散了四个方向)。 该算子同样采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉，造成边缘丢失。