图像的锐化处理.pptVIP

6.5 Canny算子 经典图像边缘检测(综合法思想)——Canny算子 John Canny于1986年提出Canny算子，它与Marr（LoG） 边缘检测方法类似，也属于是先平滑后求导数的方法。 John Canny研究了最优边缘检测方法所需的特性，给出了评价边缘检测性能优劣 的三个指标： 1 好的信噪比，即将非边缘点判定为边缘点的概率要低，将边缘点判为非边缘点的概率要低； 2 高的定位性能，即检测 出的边缘点要尽可能在实际边缘的中心； 3 对单一边缘仅有唯一响应，即单个边缘产生多个响应的概率要低，并且虚假响应边缘应该得到最大抑制。 用一句话说，就是希望在提高对景物边缘的敏感性的同时，可以抑制噪声的方法才是好的边缘提取方法。 6.6 LOG滤波方法 三、高斯－拉普拉斯算子 正如上面所提到的，利用图像强度二阶导数的零交叉点来求边缘点的算法对噪声十分敏感，所以，希望在边缘增强前滤除噪声。 马尔（Marr）和希尔得勒斯（Hildreth）根据人类视觉特性，提出一种边缘检测方法，将高斯滤波和拉普拉斯算子结合在一起进行边缘检测，故称为LOG（Laplacian of Gaussian）算法，也称之为拉普拉斯高斯算法。 该算法的主要思路和步骤是： （1）滤波：首先对图像 进行平滑滤波 将 与 图像进行卷积，可以得到一个平滑的图像，即: （2）增强：对平滑图像进行拉普拉斯运算，即: （3）检测：边缘检测判据是二阶导数零交叉点 并对应一阶导数的较大峰值。 由于对平滑图像 进行拉普拉斯运算可等效为 的拉普拉斯运算与 的卷积，故式（6.29）变为: 式中 称为LOG滤波器，其为: 有两种方法求图像边缘： （1）先求图像与高斯滤波器的卷积，再求卷积的拉普拉斯变换，然后再进行过零判断。 （2）求高斯滤波器的拉普拉斯变换，再求与图像的卷积，然后再进行过零判断。 这两种方法再数学上是等价的。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * Canny算子 Canny边缘检测法利用高斯函数的一阶微分，它能在噪声抑制和边缘检测之间取得较好的平衡。具体步骤如下： (1) 用高斯滤波器来对图像滤波，可以去除图像中的噪声。 (2) 用高斯算子的一阶微分对图像进行滤波，得到每个像素梯度的大小和方向。 其中 为滤波后的图像。 (3) 对梯度进行“非极大抑制”。 梯度的方向可以定义为属于4个区之一，各个区用不同的邻近像素来进行比较，以决定局部极大值。这4个区及其相应的比较方向如下图所示。 4 3 2 1 x 1 2 3 4 例如，如果中心像素的梯度方向属于第4区，则把的梯度值与它左上和右下相邻像素的梯度值比较，看的梯度值是否是局部极大值。如果不是，就把像素的灰度设为0，这个过程称为“非极大抑制”。 (4)对梯度取两次阈值并且对图像边缘进行连接。 Canny算子提取的边缘十分完整，而且边缘的连续性很好，效果优于其它算子。 图像经小波变换后取两次阈值，Th1和Th2，两者关系为Th1=0.4Th2。我们把小于Th1的像素的灰度值设为0，得到图像1。把小于Th2的像素的灰度值设为0，得到图像2。我们以图像2为基础，以图像1为补充来链接图像的边缘。 链接边缘的具体步骤如下： 1 对图像2进行扫描，当遇到一个非零灰度的像素P时，跟踪以P为开始点的轮廓线，直到轮廓的终点Q。 2 考察图像1中与图像2中Q点位置对应的点Q’的8邻近区域。如果Q’点的8邻近区域中有非零像素R’存在，则将其包括到图像2中，作为R点。 3 从R开始，重复第一步，直到我们在图像1和图像2中无法继续为止。 当完成包含P的轮廓线的链接之后，将这条轮廓线标记已访问。回到第一步，寻找下一条轮廓线，重复第一步、第二步、第三步，直到图像2中找不到新轮廓线为止。 图１ 原始图像 图2 大阈值边缘图像 图３ 小阈值边缘图像 图４ 文中算法得到的边缘图像 一维LOG边缘检测 LOG滤波方法 （6.28） LOG滤波方法 图7－8 二维高斯函数（ ） ） LOG滤波方法 (6.29) LOG滤波方法 LOG滤波方法 LOG滤波方法 图7－10 二维LOG滤波器 LOG滤波方法 (a) 原图