十图像的边缘.ppt

第十章 图像的边缘和轮廓 图像分割是进行图像分析的关键步骤，也是进一步理解图像的基础； 不同种类的图像，不同的应用要求所需要提取的特征不相同，特征提取方法也就不同； 不存在一种所谓普遍适用的最优方法。 Robert算子边缘检测结果 * * 1. 图 像 分 割 1）先通过看图理解图像分割的概念 将图像分解成构成它的部件和对象 有选择地定位感兴趣对象在图像中的位置和范围 图像分割的基本思路： 从简到难，逐级分割 控制背景环境，降低分割难度 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上 2） 概述 数字信号处理按其技术特征可以分为三层结构: 图像处理; 图像分析; 图像理解与识别; 知识库 表示与描述 预处理 分割 低级处理 高级处理 中级处理 识别 与 解释 结果 图像获取 问题 2 图像分割的概念 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分一般称为目标或前景。 为了辨识和分析目标，需要将有关区域分离提取出来，在此基础上对目标进一步利用，如进行特征提取和测量。 图像分割就是指把图像分成各具特性的区域，并提取出感兴趣目标的技术和过程。 3 图像分割的基本策略 —— 特性可以是灰度、颜色、纹理等，目标可以对应单个区域，也可以对应多个区域 —— 图像分割的基本策略，基于灰度值的两个基本特性： 1) 不连续性——不连续性是基于特性（如灰度）的不连续变化分割图像，如边缘检测 2) 相似性——根据制定的准则将图像分割为相似的区域，如阈值处理、区域生长 10.1 边缘检测 边缘检测是目前图像分析领域中的基础技术，常常是图像分析和理解的第一步。利用边缘检测，计算机可以将图像转化为利于识别的边缘灰度图。 （1） 边缘的定义（P365） 图像中灰度发生突变或不连续的微小区域（一组相连的像素集合）,即是两个具有相对不同灰度值特性的区域的边界线。 （2 ）邻域像素编码（P365） （3 ）灰度差分（P365） （4 ）综合灰度差分（P365） 2、常规边缘检测 （1）常规边缘检测原理 边缘检测的算法通常通过对邻域内的像素灰度求一阶导数、二阶导数及梯度来实现，这些计算经过化简的结果称为算子。 在使用算子进行边缘检测时，定义边缘为像素集合： { x | F(x) I } ，其中，x为像素编号，F(x)为算子计算结果，I为临界值。 从定义中可以看出，边缘检测的过程可以分解为对图像的每个像素分别计算判断的过程。 P366最后一段 （2） 边缘检测的基本思想 计算局部微分算子。 截面图 边缘图像 一阶微分：用梯度算子来计算 特点：对于左图，左侧的边是正的（由暗到亮），右侧的边是负的（由亮到暗）。对于右图，结论相反。常数部分为零。 ? 用途：用于检测图像中边的存在。 二阶微分：通过拉普拉斯来计算 特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。 0 -1 -1 4 0 -1 0 -1 0 用途： 1）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。 2）0跨越（零交叉），确定边的准确位置。 （3） 梯度算子和 Roberts （罗伯特）算子 梯度算子和 Roberts 算子都是针对图像2*2邻域的处理，梯度算子通过对邻域内像素灰度求水平和垂直方向差分得到， Roberts 算子则是求对角线像素灰度的差分，因此Roberts算子也叫交叉差分算子。 设G(x)、R(x)分别为梯度算子和Roberts算子的计算结果，下面给出两种算子的计算公式： G(A0)=scale×( |A0 - A1| + |A0 - A2| ) R(A0)=scale×( |A0 – A3| + |A1 - A2| ) A3 A2 A1 A0 A3 A2 A1 A0 梯度算子和Roberts算子求差分方向 在边缘检测时，设原图像的像素信息按线性存储在字节数组image0中，w、h分别为图像的宽和高。由于每个像素需要占用4字节的空间，则位于原图像中 (x,y)位置的像素相对image0的偏移位置n=(y*w+x)*4，像素各分量的值分别为image0[n]、 image0[n+1]、 image0[n+2]。对于2*2邻域，若已知A0像素的偏移位置为n，那么容易得到邻域的其他像素A1、A2、A3的偏移位置分别为n+4、n+w*4、n+w*4+4. 用字节数组image1来存储边缘检测的结果，设a为利用算子计算出A0处的灰度差分，那么