1次微分(一階導數).ppt

* * * * * * * * * * 空間領域中的影像処理 Chapter 3 Image Segmentation 影像二値化例子 影像特徴抽出濾波器( filter) ?１次微分(一階導數) filter (edge detection, line detection) ?２次微分(二階導數) filter (Laplacian filter) ?影像強化　（低頻強化、高頻強化）　　 影像鋭利化 (original image – Laplacian image ------------------------------------------------------------------------------------------------------------------------------------- 空間頻域　filtering 影像微分 (一階導數) 微分→差分 x方向微分　及　y方向微分： 給予対称性 梯度(gradient) 方向(orientation) 利用１次微分(一階導數)来偵測影像邊縁 Digital Image的１次微分：用差分法来代替 実際的1維影像f(x)的微分結果→g(x)： g(x) = f(x+1) – f(x-1) 理解方便上：g(x) = f(x+1) – f(x) Sobel filters　(Sobel 濾波器 ) Sobel濾波器使用空間一階導數來增強高頻的空間訊號。 在影像中，這些高頻訊號通常代表較鋭利的物體邊縁或線條特徴。 一維的一階導數 二維的一階導數以梯度(gradient)表示 梯度的大小(amplitude)是 方向(orientation)則為 Gx Gy Sobel Filter的edge 検出(偵測)例 (a) Original (b) 水平方向的edge成分 (c) 垂直方向的edge成分 (d) 水平與垂直成分合成之edge image a b c d Image Segmentation a b c d (a) Original (b) (c) (d) 利用1次微分（差分）偵測影像邊縁之例 Sobel Prewitt Original image Original Processed by Sobel filter Processed by Prewitt filter 利用1次微分（差分）偵測影像邊縁之例 Resultant images using Sobel filter 二階導數濾波器:Laplacian filter濾波器 拉普拉斯濾波器是一種空間二階導數的運算子，它對於影像中快速變化的區域(包含edge)具有很大的強化作用，因此常結合Zero Crossing Detection(如下圖)作為邊縁偵測的工具。 Image Segmentation 一階導數 二階導數 ０ １ ０ １ -４ １ ０ １ ０ （Lapalacian演算子） 低頻成分 高頻成分 原始影像的　低頻成分與高頻成分 空間頻域的高頻増強 空間頻域的低頻増強 影像鋭利化: (Original Image)-（Laplacian濾波後影像）　　　　　　　 0 -1 0 -1 5 -1 0 -1 0 Example Original Smoothing 平均値filter High-frequency component Un-sharp masking Image Segmentation Laplacian of Gaussian filter Gaussian平滑濾波+Laplacian濾波 -1 -1 -1 -1 9 -1 -1 -1 -1 利用Laplacian filter 做影像増強（鋭利化) Edge Detection邊縁偵測 ２次微分(二階導數)的場合(Laplacian filter) Laplacian Original - Laplacian 原始影像 Image Enhancement in the Spatial Domain a b c d a. Original image (moon) b. Laplacian-filtered image c. Laplacian image scaled for display purpose d. a+b (enhanced image) Image Enhancement in the Spatial Domain a b c d a. Image of whole body bone scan. b. Laplacian of (a). c. Sharp