关于边缘检测相关知识报告.docVIP

西安电子科技大学课程论文 数字图像处理 关于边缘检测相关知识的报告 班级：070811 作者：王旭 学号 时间：2011-06-27 关于边缘检测相关知识的报告 边缘定义为图像局部特性的不连续性，是灰度不连续的结果。从本质上来说，边缘意味着一个区域的结束与另一个区域的开始，是提取图像特征的一个重要属性。边缘能反映图像中目标物的主要特征，因而可以作为图像识别、分类和理解的直接依据，比如由线条勾画的简笔画就是一个很好的例子。由于边缘是图像上灰度变化比较剧烈的地方，在灰度突变处微分将产生高值，因此在数学上可以用灰度的导数来表示变化。在图像处理中用差分运算代替导数运算，常用的边缘检测算子有梯度算子和拉普拉斯算子。 边缘的获取是所有基于边界的图像分割的第一步，也是描述图像区域最重要的特征之一，灰度的这种不连续结果可以利用求导方便的检测到。这种不连续最有用的两个特征是灰度的变化率和变化方向，他们分别以梯度向量的幅度和方向表示。最简单的边缘检测法是模板检测法。图像的边缘检测法的方法基于卷积运算的如下性质： 对图像进行滤波就是用某个滤波算子与图像做卷积，而由上式，对图像与滤波算子卷积求一阶导数，相当于用算子的一届导数与图像做卷积，高阶导数有同样的结果，只要事先给出算子的一阶或二阶导数，就可以将图像平滑滤波和对平滑滤波后的图像求一阶或二阶导数在一步中完成。常用的一阶算子有Robert算子、Sobel算子和Prewitt算子，二阶导数算子有Laplace算子、Kirsch算子和Wallis算子，他们也称作为非线性算子。 （一）SOBEL边缘检测： 一阶导数是最简单的导数算子，他们分别球出了灰度在X和Y方向上的变化率，而在方向a上的灰度变化率可以表示为： 对于数字图像，采用查分运算代替求导。相应的一阶差分为： 方向差分为： 方向导数的最大值称为梯度模。利用梯度模算子来检测边缘具有位移不变性，实际应用中，常用模板卷积来实现运算，Sobel算子常采用的梯度模板如下： （二）PREWITT边缘检测： 原理： 与Sobelde 检测原理一样，Prewitt边缘检测也利用梯度模算子来检测边缘，具有位移不变性，实际应用中，常用模板卷积实现运算，常用的算子如下： （三）ROBERT边缘检测： 原理; 由梯度的性质可知，可以去任一组互相垂直的方向上的导数计算梯度值。Robert边缘检测算子是一种利用局部差分算子寻找的边缘算子，它由以下公式给出： 其中是具有整数像素坐标的输入图像，其中的平方根运算是使得该处理类似于人的视觉系统发生过程。 对于离散的数字图像进行处理，可以利用点（i,j）对焦方向相邻像素点的向前或者向后差分来估计。点（i+1/2,j+1/2）和(i-1/2,j-1/2)处的梯度差分f(i,j)-f(i+1,j+1)和f(i+1,j)-f(i,j+1)可以利用矩阵算子和代替，故常用的Robert算子如下： （四）KIRSCH边缘检测： 原理： Kiesch算子是一个多方向的边缘检测算子，定义为： 其中： 式中的下标为书写下标的模8运算，h是设计的阀值或参数。 该算子通过改变k以实现在子域中不同方向的边界搜索，且将他们和阀值h进行比较，以确定是否存在边界。 Kirsch算子写成模板的形式如下： 上面所示的8个卷积核组成了Kirsch算子。图像中的每个点都要8个方向的掩模进行卷积，每个掩模对某个特额定方向作出最大响应。所有8个方向中的最大值作为边缘幅度图像的输出。最大响应掩模的序号构成了对边缘方向的编码。 （五）LAPLACE边缘检测： 原理： 拉普拉斯算子是一种不依赖于边缘方向的二阶微分算子，他是一个标量而不是向量，具有各向同性的性质，经常用来提取图像边缘。其表示式为： 在数字图像中，计算函数的拉普拉斯值也可以借助模板来实现，模板的基本要求是对应用中心像素的系数应该为正，而对应中心像素邻近像素的系数应该为负，且他们的和应该是0，常用的模板如下： （六）GAUSS_LAPLACE边缘检测 原理： 在使用导数算子提取图像边缘的时候，理论上认为在边界点处一阶导数取最大值，二阶导数取0。但是由于图像的灰度变化不陡，而且原始图像中噪声的影响，似的提取的边缘点集过宽或者不连续，因此采用简单的导数算子提取便捷加大了后续的工作量，还需要做一些处理，例如通过连接细化等技术才能形成一条比较连续的边界。 为了克服噪声的影响，可以先用高斯函数对图像平滑滤波，然后对平滑后的图