第4章 图像增强(第4-3讲).pptVIP

数字图像处理基础 第4章 图像增强(第三讲) 方向导数 梯度 可以采用边缘算子模板进行运算，模板也成为卷积核，运算过程为：将被模板覆盖的像素与模板相应位置处的数据先相乘再求和。 Roberts算子模板： Sobel（索贝尔）算子 对于阶跃状边缘图像，Sobel提出一种检测边缘点的算子。对数字图像f（i，j）的每个像素考察其上、下、左、右相邻点的加权差，与之接近的邻点权重大。即定义为： 4.3.2 零交叉边缘检测 拉普拉斯运算定义为： 由两个分量相加得拉普拉斯算子： 拉普拉斯算子对噪声敏感是其主要缺点。Marr算子在研究人的视觉机理的基础上提出，即先对图像进行平滑处理，减少噪声影响，再用Laplacian算子检测边缘。 为能反映不同远近的周围点对给定像素具有不同的平滑作用，平滑函数采用正态分布的高斯函数，即 4.3.3 Canny算子 坎尼（Canny ）算子是1986年John Canny在IEEE上发表的“A Computational Approach to Edge Detection”这篇文章中提出的。文章中还给出了边缘检测的三条准则，即Canny准则(Cannys Criteria)。并在此基础上提出了一个实用算法。 1．边缘检测的Canny准则 坎尼（Canny）算子是一阶算子，其方法的实质是用一个准高斯函数作平滑运算，然后以带方向的一阶微分算子定位导数最大值，它可用高斯函数的梯度来近似，在理论上很接近4个指数函数线性组合形成的边缘算子。 根据边缘检测的有效性和定位的可靠性，Canny研究了最优边缘检测器所需的特性，推导出最优边缘检测器的数学表达式。对于各种类型的边缘，Canny边缘检测算子的最优形式是不同的。 边缘增强算子有三个共同要求，即： 1）优良的信噪比；即对边缘的错误检测率要尽可能 低：也就是说将非边缘点判别为边缘点及将边缘 点判为非边缘点的概率要低。 2）优良的定位性能；即检测出的边缘位置要尽可能 在实际边缘的中心。 3）对同一边缘仅有唯一响应；即单个边缘产生多个 响应的概率要低，并且虚假边缘响应应得到最大 抑制。 2．Canny算子的计算实现 Canny将他总结出的三个判据用数学的形式表示出来，然后采用最优化数值方法，得到给定边缘类型的最佳边缘检测模板。 主要对于阶跃型的边缘 第一步：对图形进行高斯滤波 对于阶跃型的边缘，Canny推出的最优边缘检测器的形状与高斯函数的一阶导数类似，而根据二维高斯函数的圆对称性和可分解性，可以很容易的计算高斯函数在任意方向上的方向导数与图像的卷积。 注：高斯滤波的原理是采用高斯算子对图像进行卷积运算。其实在各个算法库如Matlab、OpenCV等，在实现的时候，就是采用一个矩阵模板进行加权运算该模板我们常成为高斯核。 第二步 用一阶偏导的有限差分来计算梯度的幅值和方向 根据Canny的定义，中心边缘点为算子 Gn ，设二维高斯函数 在某一方向n上的一阶方向导数为 图像灰度值得梯度可使用一阶有限差分来进行近似，这样就可以得图像在x和y方向上偏导数的两个矩阵。常用的梯度算子有如下几种：Roberts算子、Sobel算子或Prewitt算子。另外需要得到梯度方向图像。 这样，就可以在每一点的梯度方向上判断此点强度是否为其最大值来确定该点是否为边缘点。 第三步 候选边缘点的确定（非极大值的抑制） 图像梯度幅值矩阵中的元素值越大，说明图像中该点的梯度值越大，但这不不能说明该点就是边缘（这仅仅是属于图像增强的过程）。在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点，保留下来的即为候选边缘点 。 抑制的原理： 要进行非极大值抑制，就首先要确定像素点C的灰度值在其8值邻域内是否为最大。图1中蓝色的线条方向为C点的梯度方向，这样就可以确定其局部的最大值肯定分布在这条线上，也即除了C点外，梯度方向的交点dTmp1和dTmp2这两个点的值也可能会是局部最大值。因此，判断C点灰度与这两个点灰度大小即可判断C点是否为其邻域内的局部最大灰度点。如果经过判断，C点灰度值小于这两个点中的任一个，那就说明C点不是局部极大值，那么则可以排除C点为边缘。这就是非极大值抑制的工作原理。 第四步 用双阈值算法检测和连接边缘 传统