第3章 图像边缘提取与分割.pptVIP

3.2.2 基于边界检测方法（样板匹配） 在数字图像处理中，样板是为了检测某些不变区域特性而设计的阵列。样板可根据检测目的不同而分为点样板、线样板、梯度样板、正交样板等等。 点样板的例子如图3—2所示。下面用一幅具有恒定强度背景的图像来讨论。 1）、点样板 1）、线样板 设 是图3—3中四个样板的权值组成的九维矢量。与点样板的操作步骤一样，在图像中的任一点上，线样板的各个响应为 ，这 里 i =1、2、3、4。此处 X 是样板面积内九个像素形成的矢量。给定一个特定的 X ，希望能确定在讨论问题的区域与四个线样板中的哪一个有最相近的匹配。如果第 i 个样板响应最大，则可以断定 X 和第 i 个样板最相近。 对于屋顶状边缘，在边缘点的二阶导数取极小值。对数字图像的每个像素取它的关于方向和方向的二阶差分之和的相反数，即Laplacian算子的相反数。 * 3.2.2 边缘检测 5． Kirsch边缘算子 图3.7所示的8个卷积核组成了Kirsch边缘算子。图像中的每个点都用8个掩模进行卷积，每个掩模对某个特定边缘方向做出最大响应。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。 * 3.2.2 边缘检测