第8篇数字图像处理工具箱.ppt

灰度图像中边缘的类型 阶梯状边缘 屋脊状边缘 线条状边缘 为什么要提取边缘？ 边缘是最基本的图像特征之一： 可以表达物体的特征 边缘特征对于图像的变化不敏感 几何变化，灰度变化，光照方向变化 可以为物体检测提供有用的信息 是一种典型的图像预处理过程 原始图像 输出结果 模式识别 预处理 特征提取 如何提取边缘？（灰度图象） 灰度图象边缘提取的主要思想： 抑制噪声（低通滤波、平滑、去噪、模糊） 边缘特征增强（高通滤波、锐化） 边缘定位 原始图像 中间结果 图像边缘 抑制噪声 增强边缘 边缘定位 2 梯度算子 图像中任一像素点，用二维函数f(x,y)来表示，而梯度定义为向量?f ： 向量幅值为： 为简化计算，通常省略开方或通过取绝对值来近似计算，即 或 梯度向量的含义在于，它总是指向f(x,y)在点(x,y)处的最大变化率方向。最大变化率是用方向α角来衡量的，即 原理：若所求的一阶层数（梯度）高于某一阈值，则可确定该点为边缘点。 为了能估计出Gx及Gy值，通常使用一些经典的模板来做数字化近似。有Sobel模板、Prewitt模板、Roberts模板等。 MATLAB提供了边缘函数（edge）实现对图像边缘的检测，语法格式为： [e , s] = edge(p, method, para) 其中p为输入图像，method是边缘检测的类型，para为与edge对应的参数，e为与p同样大小的逻辑矩阵，在检测到边缘的位置时值为1，其它位置则为0，s为一可选参数。 Roberts模板(算子) Roberts算子又称为Roberts交叉算子，它是利用局部差分算子寻找边缘的模板，它在2×2邻域上计算对角导数。在实际应用中，为了简化计算，常用梯度函数的Roberts绝对值来近似。另外还可以用Roberts最大值算子来计算。 Roberts边缘检测算子如图所示： (a)Roberts-x (b)Roberts-y -1 0 0 1 0 -1 1 0 Roberts边缘检测器的语法格式如下： [e , s] = edge(p, roberts, thresh, direct) 其中p为输入图像，thresh为指定的阈值T，若T值未指定，则函数edge自动选择一个值。direct为检测边缘的首选方向，通常可选作horizontal(水平)、vertical（垂直）或both（默认值）。 Roberts算子的一个主要问题是计算方向差分时对噪声敏感。 Sobel模板(算子) Sobel提出一种将方向差分运算与局部平均相结合的方法，即Sobel算子。是在以f(x,y)为中心的3×3邻域上计算x和y方向的偏导数，其模板如图所示： (c) Sobel-x (d) Sobel-y -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 Sobel边缘检测器语法格式： [e , s] = edge(p, sobel, thresh, direct) 其中p为输入图像，thresh为指定阈值，direct为检测边缘首选方向，可选作horizontal (水平)、vertical(垂直)或both（默认值）。 Prewitt模板(算子) Prewit提出了与Sobel算子类似的计算偏微分估计值的方法，Prewit模板如图： (e) Prewit-x (f) Prewit-y -1 0 1 -1 0 1 -1 0 1 -1 -1 -1 0 0 0 1 1 1 Prewit边缘检测器调用语法如下： [e , s] = edge(p, prewitt, thresh, direct) 其中p为输入图像，thresh为指定阈值，direct为检测边缘首选方向，通常可选作horizontal (水平)、vertical（垂直）或both（默认值）。 梯度算子的缺点：可能会导致检测的边缘点太多。 2 二阶微分算子 求梯度局部最大值对应点，并认定它们是边缘点。 一阶导数的局部最大值对应着二阶导数的零交叉点(zero crossing)。通过找图像强度的二阶导数的零交叉点就能找到精确边缘点。 二阶导数常用于拉普拉斯算子的计算，表达式为： 二阶微分算子边缘检测器主要包括LoG算子和Canny算子。 常用的两种拉普拉斯模板如图所示： 0 -1 0 -1 4 -1 0 -1 0 -1 -1 -1