第三章测边.ppt

* 第三章測邊 * 內容 3.1 前言 3.2 拉普拉斯算子 3.3 Marr-Hildreth算子 3.4 基底投射法 3.5 輪廓追蹤法 * 3.1 前言 在前置處理(Preprocessing)中，做好測邊(Edge Detection)的工作是非常重要的。 * 通過零點(Zero-crossing) 主要觀念:灰階的突然變化(Abrupt Change) 。 一次微分後形成的波峰(Peak)超過門檻值(Threshold)，有邊點形成。 二次微分:通過零點(Zero Crossing)觀念。 白 黑 a b c y x a b c y x 圖3.2.1 兩個同質但不同色的區域 圖3.2.2 圖3.2.1的一次微分結果 圖3.2.3 通過零點示意圖 * 通過零點的另一個示意圖 。 圖3.2.4 通過零點的另一個示意圖 白 黑 x f(x) f’(x) f?(x) (a)兩個同質但不同色的區域 (b)一次微分結果 (c)通過零點示意圖 x x * 3.2 拉普拉斯算子 對 f(x, y) 沿 x 軸差分： 再對 x 軸差分得： 令 x=x+1 ，可得： 同理，沿著 y 軸差分二次得： 合併可得拉普拉斯算子： (3.2.1) * 圖3.2.5面罩的數學背景來源為式(3.2.1) 使用拉普拉斯算子來測邊： 如果能滿足 和 的值呈現一個是正數另一個為負數，且 大於門檻值 T 的情況，我們就宣稱(x, y)的位置上有一個邊點。 相同的，若是 和 滿足上述條件，我們也 可以將位置(x, y)上的像素視為一個邊點。 圖3.2.5 拉普拉斯測邊算子 0 1 0 1 -4 1 0 1 0 * Sobel測邊算子 Sobel測邊算子，其對應的面罩有兩個，一個為x方向，另一個為y方向。 從 和 的兩個分量，我們可知合成的量(Magnitude)為 ， 　 而角度為 。 為了計算更快速， 以　　　　　的運算取代　　　　　　　 的運算。 另外有一個很類似Sobel測邊算子的方法 - Prewitt算子。 圖3.2.8 Sobel測邊算子 (b) 測 x 方向的灰階變化 (a) 測 y 方向的灰階變化 圖3.2.9 Prewitt算子 (b) 測 x 方向的灰階變化 (a) 測 y 方向的灰階變化 * 範例3： 給一如下的5×5子影像，請使用Prewitt算子來測邊，這裡 假設門檻值T為78。 15 39 42 27 12 12 21 48 15 9 9 21 27 12 3 18 15 33 18 18 45 60 57 24 21 解答： * (1) (2) (3) (4) (5) (6) (7) (8) (9) (1) -6-18-15=-39 (2) 18+15+15=48 (3) 15+15+9=39 (4) -6+6+15=15 (5) 6+15-3=18 (6) -15+3+9=-3 (7) 36+39+30=105 (8) 39+30+12=81 (9) 30+12+18=60 27+36+18=81 -12-6-24=-27 -30-39-24=-93 36+18+15=69 -6-9+3=-12 -39-24-15=-78 18+15+12=45 -9+3-36=-42 -24-15-36=-75 39+81 = 120 T 48+27 = 75 39+93 = 132 T 15+69 = 84 T 18+12 = 30 3+78 = 81 T 105+45 = 150 T 81+42 = 123 T 60+75 = 135 T 圖3.2.10(a)為使用Prewitt算子得到的相關資訊 圖3.2.10(b)利用Prewitt算子得到的結果 * 從圖3.2.10中可得知像素(1)、(3)、(4)、(6)、(7)、(8)和(9)皆為邊點，所以最後測邊結果為一個如下的倒ㄇ字型。 Ｘ Ｘ Ｘ Ｘ Ｘ Ｘ Ｘ 解答完畢 * 3.3 Marr-Hildreth算子 Marr-Hildreth測邊算子結合了高斯平滑算子和拉普拉斯算子的雙重技巧。