数字图像视频处理技术.ppt

* * * * * * * * * * * * * * * 函数 cvPreCornerDetect 计算函数 其中 表示一阶图像差分， 表示二阶图像差分。 角点被认为是函数的局部最大值 * * * * * * 2.4 对梯度幅值进行非极大值抑制 ?? ? ? ?图像梯度幅值矩阵中的元素值越大，说明图像中该点的梯度值越大，但这不不能说明该点就是边缘（这仅仅是属于图像增强的过程）。在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点（这是本人的理解）。 图1 非极大值抑制原理 ?? ? ? ?根据图1 可知，要进行非极大值抑制，就首先要确定像素点C的灰度值在其8值邻域内是否为最大。图1中蓝色的线条方向为C点的梯度方向，这样就可以确定其局部的最大值肯定分布在这条线上，也即出了C点外，梯度方向的交点dTmp1和dTmp2这两个点的值也可能会是局部最大值。因此，判断C点灰度与这两个点灰度大小即可判断C点是否为其邻域内的局部最大灰度点。如果经过判断，C点灰度值小于这两个点中的任一个，那就说明C点不是局部极大值，那么则可以排除C点为边缘。这就是非极大值抑制的工作原理。 ?? ? ? ?作者认为，在理解的过程中需要注意以下两点： ?? ? ? ?1）中非最大抑制是回答这样一个问题：“当前的梯度值在梯度方向上是一个局部最大值吗？” 所以,要把当前位置的梯度值与梯度方向上两侧的梯度值进行比较； ?? ? ? ?2）梯度方向垂直于边缘方向。 ?? ? ? ?但实际上，我们只能得到C点邻域的8个点的值，而dTmp1和dTmp2并不在其中，要得到这两个值就需要对该两个点两端的已知灰度进行线性插值，也即根据图1中的g1和g2对dTmp1进行插值，根据g3和g4对dTmp2进行插值，这要用到其梯度方向，这是上文Canny算法中要求解梯度方向矩阵Thita的原因。 ?? ? ? ?完成非极大值抑制后，会得到一个二值图像，非边缘的点灰度值均为0，可能为边缘的局部灰度极大值点可设置其灰度为128。根据下文的具体测试图像可以看出，这样一个检测结果还是包含了很多由噪声及其他原因造成的假边缘。因此还需要进一步的处理。 2.5 用双阈值算法检测和连接边缘 ?? ? ? ?Canny算法中减少假边缘数量的方法是采用双阈值法。选择两个阈值（关于阈值的选取方法在扩展中进行讨论），根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但是由于阈值较高，产生的图像边缘可能不闭合，未解决这样一个问题采用了另外一个低阈值。 ?? ? ? ?在高阈值图像中把边缘链接成轮廓，当到达轮廓的端点时，该算法会在断点的8邻域点中寻找满足低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合。 ?? ? ? ?以上即为整个Canny边缘检测算法的原理分析，接下来我们进行VC下的算法实现和效果分析。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * cv – 核心函数库 cvaux – 辅助函数库 cxcore – 数据结构与线性代数库 highgui – GUI函数库 ml – 机器学习函数库 * * * * * * * * * * * * * * * * * 二、连通区域分析的算法 从连通区域的定义可以知道，一个连通区域是由具有相同像素值的相邻像素组成像素集合，因此，我们就可以通过这两个条件在图像中寻找连通区域，对于找到的每个连通区域，我们赋予其一个唯一的标识（Label），以区别其他连通区域。 连通区域分析有基本的算法，也有其改进算法，本文介绍其中的两种常见算法： 1）Two-Pass法；2）Seed-Filling种子填充法；  Note： a、这里的扫描指的是按行或按列访问以便图像的所有像素，本文算法采用的是按行扫描方式； b、图像记为B，为二值图像：前景像素（pixel value = 1），背景像素（pixel value = 0） c、label从2开始计数； d、像素相邻关系：4-领域、8-领域，本文算法采用4-邻域；  ????????????????????????????????????? 4—领域图例?????? ? ? ? ? ? ? ? ???????? ? ? ? ???????????????? 8—领域图例   1）Two-Pass（两遍扫描法） 两遍扫描法，正如其名，指的就是通过扫描两遍图像，就可以将图像中存在的所有