数字图像处理chap7课件.ppt

* LOG算子的5×5模板 边缘检测 *  边缘检测 7．Canny 边缘检测算子 Canny边缘检测算子是近年来在数字图像处理中广泛应用的边缘算子，它是应用变分原理推导出的一种用高斯模块导数逼近的最优算子。通过Canny算子的应用，可以计算出数字图像的边缘强度和边缘梯度方向，为后续边缘点的判断提供依据。 * Canny算子用范函求导方法推导出高斯函数的一阶导数，即为最优边缘检测算子的最佳近似。由于卷积运算可交换，可结合，故Canny算法首先采用二维高斯函数对图像进行平滑，二维高斯函数表示为 其中，为高斯滤波器参数，它控制着平滑的程度，较小的滤波器定位精度高，但信噪比低；较大的滤波器情况正好相反，因此，要根据需要选取高斯滤波器参数。 边缘检测 * 传统Canny算法利用一阶微分算子来计算平滑后图像各点处的梯度幅值和梯度方向，获得相应的梯度幅值图像和梯度方向图像，其中，点处两个方向的偏导数 和分别为 则此时点处的梯度幅值和梯度方向分别表示为 边缘检测 * 为了精确定位边缘，必须细化梯度幅值图像中的屋脊带，只保留幅值的局部极大值，即非极大值抑制(NMS)。Canny算法在梯度幅值图像中以点为中心的邻域内沿梯度方向进行插值，若点处的梯度幅值大于方向上与其相邻的两个插值，则将点标记为候选边缘点，反之则标记为非边缘点。这样，就得到了候选的边缘图像。 边缘检测 * 传统Canny算法采用双阈值法从候选边缘点中检测和连接出最终的边缘。双阈值法首先选取高阈值和低阈值，然后开始扫描图像。对候选边缘图像中标记为候选边缘点的任一像素点进行检测，若点梯度幅值高于高阈值，则认为该点一定是边缘点，若点梯度幅值低于低阈值，则认为该点一定不是边缘点。而对于梯度幅值处于两个阈值之间的像素点，则将其看作疑似边缘点，再进一步依据边缘的连通性对其进行判断，若该像素点的邻接像素中有边缘点，则认为该点也为边缘点，否则，认为该点为非边缘点。 边缘检测 * Canny边缘检测算子的最优性与以下的三个标准有关： （1）检测标准：不丢失重要的边缘，不应有虚假的边缘； （2）定位标准：实际边缘与检测到的边缘位置之间的偏差 最小； （3）单响应标准：将多个响应降低为单个边缘响应。 边缘检测 * 边缘检测 Canny边缘检测算子基于如下几个概念： （1）边缘检测算子是针对一维信号表达的，对检测标准和 定位标准最优； （2）如果考虑第三个标准（多个响应），需要通过数值优 化的办法得到最优解。该最优滤波器可以有效地近似 为标准差为的高斯平滑滤波器的一阶微分，为了便于 实现检测误差小于20%，与LOG边缘检测算子很相似； （3）将边缘检测算子推广到二维情况。阶跃状边缘由位置、 方向和可能的幅度来确定。 * 边缘检测算子的对比 在数字图像处理中，对边缘检测主要要求就是运算速度快，边缘定位准确，噪声抑制能力强，因此就这几方面对以上介绍的几个算子进行分析比较。首先，在运算速度方面，对于一个图像，其计算量如表3-1所示。 * * 根据实际测试结果，简单介绍各个算子的特点。 1.Roberts算子 Roberts算子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信息，同时由于没经过图像平滑计算，因此不能抑制噪声。该算子对具有陡峭的低噪声图像响应最好。 边缘检测算子的对比 * 2.Sobel算子和Prewitt算子 Sobel算子和Prewitt算子都是对图像进行差分和滤波运算，差别只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伪边缘。同时这2个算子边缘定位比较准确和完整。该类算子对灰度渐变和具有噪声的图像处理结果较好。 3.Krisch算子 该算子对八个方向边缘信息进行检测，因此具有较好的边缘定位能力，并且对噪声有一定的抑制作用，就边缘定位能力和抗噪声能力来说，该算子的处理效果比较理想。 边缘检测算子的对比 * 4.Laplacian算子 拉普拉斯算子为二阶微分算子，对图像中的阶跃状边缘点定位准确且具有旋转不变性，即无方向性，但是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。拉普拉斯算子比较适用于屋顶型边缘的检测。 边缘检测算子的对比 * 5.Marr-Hildreth算子 Marr-Hildreth算子首先通过高斯函数对图像作平滑处理，因此对噪声的抑制作用比较明显，但同时