数字图像处理.分析报告.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 4.1 边缘检测 图像边缘是图像局部特性不连续性（灰度突变、颜色突 变、纹理结构突变等）的反映，它标志着一个区域的终 结和另一个区域的开始。 边缘提取首先检测出图像局部特性的不连续性，然后再 将这些不连续的边缘象素连成完备的边界。边缘的特性 是沿边缘走向的象素变化平缓,而垂直于边缘走向的象素 变化剧烈。所以，从这个意义上说，提取边缘的算法就 是检测出符合边缘特性的边缘象素的数学算子。 目前，常采用边缘算子法、曲面拟合法、模板匹配法等。 4.1.1 边缘算子法 1. 差分算子 边缘与差分值的关系可归纳为2种:其一是边缘发生在差分最大值(图4.1.1(b))或最小值处(图4.1.1(f));其二是边缘发生在过零点处(图4.1.1(c)、图4.1.1(e))。 (a)阶梯状边缘 (d)脉冲状边缘 (b)阶梯状边缘的一阶差分 一 阶 差 分 二 阶 差 分 (c)阶梯状边缘的二阶差分 一 阶 差 分 (e)脉冲状边缘的一阶差分 二 阶 差 分 (f)脉冲状边缘的二阶差分 图4.1.1 常见边缘的一阶差分和二阶差分概念 （1）梯度算子 在点(m,n) 处,梯度 G[f(m,n)]的幅度为： 对数字图像，式（4.1.1）可写成： 式中 也可简化为： 或： 取适当的门限T，如果G[f(m,n)]T,则(m,n)为阶跃状边 缘点 （2）罗伯特（Robert）梯度 (3)Laplacian算子 式中，s可以是f(m,n)为中心上、下、左、右4邻点的集合 ，也可以是8邻点的集合，或者是对角线4邻点的集合。 2. Laplacian-Gauss算子 梯度算子和Laplacian算子对噪声比较敏感。对此，一方 面可在运用这两种算子作边缘提取前，先用邻域平均法 等作平滑处理，另一方面可先用高斯形二维低通滤波器 对图像进行滤波，然后再对图像作Laplacian边缘提取， 这种方法被称为Laplacian-Gauss算子法。具体是，令 g(m,n)为高斯低通滤波后的图像， 表示边缘提取 后的图像，则有： 式中 参数W为正瓣宽度 4.1.2 模板匹配法 模板是为了检测某些区域特征而设计的阵列。 设有一个3*3模板窗口W，其元素Wij的位置如图4.1.6(a)所示，一幅图像F的各元素f(m,n)的位置如图4.1.6(b)所示。模板匹配的过程是求乘积和的过程。 式中，g(m,n)为边缘检测模板输出，l=L/2,L为窗口宽度 ，对于3*3窗口，l=-1，0，1。 W-1,-1 W-1,0 W-1,1 W0,-1 W0,0 W0,1 W1,-1 W1,0 W1,1 (a) f(m-1,n-1) f(m-1,n) f(m-1,n+1) f(m,n-1) f(m,n) f(m,n+1) f(m+1,n-1) f(m+1,n) f(m+1,n+1) (b) 图4.1.6模板W及图像F的各元素 1. 点模板 点模板如图4.1.7(a)所示,一般用于背景强度恒定、目标 图像灰度相同或基本相同的图像（如二值图像）。 (a)点模板 W1 W2 W3 W4 (b)线模板 图4.1.7 匹配滤波器模板 2. 线模板 线模板如图4.1.7(b)所示，线模板能有效地检出线型类图 像结构。图4.1.7(b)中，W1~ W4分别是0、45、90、-45 度四个方向的线模板。 3. 边缘模板 (a)j方向模板（h1i,j） (b)k方向模板（h2i,j） 图4.1.10 sobel梯度模板 4.1.3 曲面拟合法 曲面拟合法的基本思路是用一个平面或曲面去逼近一个 图像面积元，然后用这个平面或曲面的梯度代替点的梯 度，从而实现边缘检测。 (a)4点面积元 (b)9点面积元 图4.1.11 面积元示意图 1. 一次平面拟合 令图像面积元由图4.1.11 (a)所示的 4个相邻象素组成。 用一次平面ax+by+c去拟合该面积元上4个相邻象素，即 用： 去逼近f(x,y)。 g(x,y)与f(x,y)之间的均方误差： 为达到最佳吻合，应使均方误差最小。这时，需 根据梯度定义，平面ax+by+c上的梯度幅度为： 也可进一步表示为： 由式(4.1.31)、式(4.1.32)可知，a是两列的平均值的差 分，b是两行的平均值的差分。由于这里的差分是建立在 平滑基础上，所以对噪声就不像直接使用微分算子那样 敏感。 把平面的梯度看作是邻域中心（m+1/2,n+1/2)点处图像 梯度的近似值