第6章 图像锐化处理及边缘.pptVIP

2 实现步骤 (1)取得原图的数据区指针。 (2)开辟一个和原图相同大小的图像缓冲区，并设定新图像初值为全白（255）。 (3)每个像素依次循环，用Roberts边缘检测算子分别计算图像中各点灰度值，对它们平方之和，再开方。 (4)将缓冲区中的数据复制到原图数据区。 4．效果对比图 图6-8 Roberts边缘检测效果图 6.4.2 Sobel边缘检测算子 1理论基础 （1）卷积 卷积可以简单的看成加权求和的过程。 (2)Sobel边缘检测算子 for(j=tempMY;jheight-tempH+tempMY+1;j++) for(i=tempMX;iwide-tempW+tempMX+1;i++) { fResult=0; for(k=0;ktempH;k++) for(l=0;ltempW;l++) fResult=fResult+m_pdata[(j-tempMY+k)*wide+(i-tempMX+l)]*fpArray[k*tempW+l]; } 2 实现步骤 (1)取得原图的数据区指针。 (2)开辟两个和原图相同大小的图像缓冲区，将原图复制到两个缓冲区。 (3)分别设置Sobel算子的两个模板，调用Templat()模板函数分别对两个缓冲区中的图像进行卷积计算。 (4)两个缓存图像每个像素依次循环，取两个缓存中各个像素灰度值较大者。 (5)将缓冲区中的图像复制到原图数据区。 4 处理效果 图6-9 Sobel边缘检测 6.4.3 Prewitt边缘检测算子 1 理论基础 Prewitt边缘检测算子为： 6.4.4 Krisch边缘检测 1 理论基础 　以下8个卷积核组成了Kirsch边缘检测算子。图像中的每个点都用8个掩模进行卷积， 所有8个方向中的最大值作为边缘幅度图像输出。 Kirsch边缘检测算子 2 实现步骤 1）? 取得原图的数据区指针。 2）? 开辟两个和原图相同大小的图像缓冲区，将原图复制到两个缓冲区。 3）? 分别设置Kirsch算子的模板1和模板2，调用Templat()模板函数分别对两个缓冲区中的图像进行卷积计算。求出两幅缓存图像中每个像素的较大灰度值存放在缓存图像1中，并将缓存图像1拷贝到缓存图像2中。 4）? 同第三步，以此类推，分别设置Kirsch算子的模板3、模板4、模板5、模板6、模板7和模板8，每次计算后，求出两幅缓存图像中灰度值较大者存放在缓存图像1中。 5）? 最后将得到的结果缓存图像1复制到原图。 4 处理效果 图6-11 Krisch边缘检测 6.5 高斯-拉普拉斯算子 离散情况下，拉普拉斯算子有几种不同的模板计算形式： 　　　　　　或　　　　或 通常的高斯拉普拉斯算子是一个5×5的模板： 高斯-拉普拉斯算子 2 实现步骤 　(1)? 取得原图的数据区指针。 (2)开辟一个和原图相同大小的图像缓冲区，将原图复制到缓冲区。 ? (3)设置Iirsch模板1参数，调用Templat()函数对缓存图像进行卷积计算。 (4)将计算结果复制回原图 ４处理效果 图6-12 高斯拉普拉斯算子边缘检测 谢谢！ 第6章 图像锐化处理及边缘检测 杨 淑 莹 教授 天津理工大学 6.1 图像边缘锐化的基本方法 图像锐化处理目的: 增强图像边缘，目标物体的边缘鲜明，以便于提取目标物体的边界、对图像进行分割、目标区域识别、区域形状提取等，为图像理解和分析打下基础。 目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。 图像边缘锐化的基本方法 ： 图像边缘锐化的基本方法 微分运算 梯度锐化 边缘检测 6.2 微分运算 微分运算应用在图像上，可使图像的轮廓清晰。 本节介绍的微分运算有： ? 纵向微分运算； ? 横向微分运算； ? 双方向一次微分运算。 1.单向微分运算 0 0 1 255 255 255 255 1 1 1 254 253 254 254 0 0 0 255 255 253 253 1 1 0 254 254 254 254 0 1 254 0 0 0 0 0 253 -1 1 0 0 0 255 0 -2 0 0 - 1 254 0 0 0 G ( i, j ) = - f ( i, j-1 ) + f ( i