数字图像处理 MATLAB版 教学课件 作者 张德丰 第9章 图像分割与边缘检测.pptVIP

第9章图像分割与边缘检测 ;9.1 论述 ; 图像分割是指将一幅图像分解为若干互不交叠的、有意义的、具有相同性质的区域。 好的图像分割应具备以下特征。 （1）分割出来的各区域对某种特质（例如灰度、纹理）而言具有相似性，区域内部是连通的且没有过多小孔。 （2）相邻区域对分割所依据的性质有明显的差异。 （3）区域边界是明确的。;;9.2 阈值化技术 ;9.2.1 灰度门限法; 根据划分方法的不同，可以将灰度门限法分为： 1．直接门限法 2．间接门限法 3．多门限法;9.2.2 灰度门限法应用;;;;;;9.3 边缘检测 ; 边缘的检测正是利用物体和背景在某种图像特性上的差异来实现的，这种差异包括灰度、颜色或者纹理特征。 边缘检测实际上就是检测图像特性发生变化的位置。 ;9.3.1 边缘检测算子;1．基于一阶导数的边缘检测; 常用的边缘检测算子有Roberts算子、Sobel算子、Prewitt算子、LOG算子和Canny算子，由于图像由离散的像素点组成，这些算子将用差分近似偏导数。 ;（1）Roberts交叉算子;（2）Sobel算子 ;（3）Prewitt算子; Canny算子的梯度是用高斯滤波器的导数计算的，检测边缘的方法是寻找图像梯度的局部极大值。 Canny算法步骤如下。 ① 用高斯滤波器平滑图像； ② 计算滤波后图像梯度的幅值和方向； ③ 对梯度幅值应用非极大值抑制，其过程为找出图像梯度中的局部极大值点，把其他非局部极大值点置零以得到细化的边缘； ④ 用双阈值算法检测和连续边缘，使用两个阈值T1和T2（T1＞T2），T1用来找到每条线段，T2用来在这些线段的两个方向上延伸寻找边缘的断裂处，并连接这些边缘。; 零交叉方法先用指定的滤波器对图像进行滤波，然后寻找零交叉点作为边缘。; 图像灰度二阶导数的过零点对应边缘点，如图9-3所示。;（1）拉普拉斯算子; 基本思想：先用高斯函数对图像滤波，然后对滤波后的图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。 ;;;; Roberts算子：利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备抑制噪声能力。 该算子用于具有陡峭边缘且噪声低的图像效果较好。; Sobel算子和Prewitt算子：都是对图像先作加权平滑处理，然后再作微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。 虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。 ; Laplacian算子：是不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。 LOG算子：该算子克服了Laplacian算子抗噪声能力比较差的缺点，但在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法被检测到。; Laplacian算子：是不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。 LOG算子：该算子克服了Laplacian算子抗噪声能力比较差的缺点，但在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法被检测到。;9.3.2 边缘检测算子的MATLAB实现;BW=edge(I, sobel) BW=edge(I, sobel, thresh) BW=edge(I, sobel, thresh, direction) [BW, thresh]=edge(I, sobel,...);BW=edge(I, log) BW=edge(I, log, thresh) BW=edge(I, log, thresh, sigma) [BW, threshold]=edge(I, log,...);9.4 边界跟踪;9.4.1 边界跟踪的方法; 假定图像为二值图像，其中只有一个具有闭合边界的目标。 下面是一个按4-连通方向搜索边界方法： （1）起始搜索点。 （2）边界判别准则和搜索准则。;9.4.2 霍夫变换;图9-8 直角坐标中的Hough变换;; Hough变换的具体计算步骤如下。 （1）在参数空间中建立一个二维累加数组A，数组的第