数字图像处理作业报告.PDFVIP

数字图像处理作业报告 一． 图像边缘检测 边缘检测是大多数图像处理必不可少的一步,也是所有基于边界的图像分 割的第一步,它的任务就是精确定位边缘和抑制噪声。目前,边缘还没有精确和统 一的数学定义,一般文献都认为局部极值点或灰度发生急剧变化的点即为边缘点, 大致可分为阶跃型边缘(Stepedge)和屋顶型边缘(Roofedge)两种。经典的微分边 缘检测算子利用的是边缘处一阶导数的极值,阶跃边缘点处二阶导数的过零点或 对屋顶边缘点处二阶方向导数取极值等。近年来,随着数学和人工智能的发展, 出现了一些新的边缘检测方法,如数学形态法、小波变换法、神经网络法、模糊 检测法、IFS边缘检测算子等。这些算子的最终目的就是能够精确的抽取出边缘 信息,但针对不同的图像,并没有一个通用的最佳检测算子,因此如果 能够有一个很好的方法来选择和构造边缘检测算子,将为图像边缘的提取提供很 好的帮助。 边缘检测的基本思想首先是利用边缘增强算子, 突出图像中的局部边缘, 然后定义象素的“边缘强度”, 通过设置阈值的方法提取边缘点集。由于噪声和 模糊的存在, 监测到的边界可能会变宽或在某点处发生间断。因此, 边界检测包 括两个基本内容: (1)用边缘算子提取出反映灰度变化的边缘点集。 (2)在边缘点集合中剔除某些边界点或填补边界间断点,并将这些边缘连接成完 整的线。 常用的检测算子有微分算子、拉普拉斯高斯算子(LOG)和canny算子。 微分算子法是指对图像求一阶导数或二阶导数，图像灰度变化较大的点处得到的 值较大，因此我们将图像的导数算子运算值作为相应的边界强度, 所以可以通过 对这些导数值设置阈值, 提取边界的点集。对数字图像常用差分代替微分，比较 常见的微分算子有Sobel,prewitt和Robert算子。 Sobel 算子是滤波算子的形式来提取边缘。X, Y 方向各用一个模板, 两个 模板组合起来构成1 个梯度算子。X 方向模板对垂直边缘影响最大, Y 方向模板 对水平边缘影响最大,模板如图： Wx Wy -1 -2 -1 -1 0 1 0 0 0 -2 0 2 1 2 1 -1 0 1 Robert 算子是一种梯度算子, 它用交叉的差分表示梯度, 是一种利用局部 差分算子寻找边缘的算子, 对具有陡峭的低噪声的图像效果最好,模板如图： Wx Wy -1 0 0 1 0 1 -1 0 prewitt 算子是加权平均算子, 对噪声有抑制作用, 但是像素平均相当于 对图像进行地同滤波, 所以prewitt 算子对边缘的定位不如robert算子，模板如 图： Wx Wy -1 -1 -1 -1 0 1 0 0 0 -1 0 1 1 1 1 -1 0 1 拉普拉斯高斯算子是一种二阶导数算子, 将在边缘处产生一个陡峭的零交 叉。前面介绍的几种梯度法具有方向性, 不能对各种走向的边缘都具有相同的增 强效果。但是Laplacian 算子是各向同性的, 能对任何走向的界线和线条进行锐 化, 无方向性。这是拉普拉斯算子区别于其他算法的最大优点. 为了运算方便，LOG算子也使用模板实现。其模板有一个基本要求: 模板中心的 系数为正, 其余相邻系数为负, 所有系数的和应该为零，其模板如下所示： 0 -1 0 -1 -1 -1 -1 4 -1 -1 8 -1 0 -1 0 -1 -1 -1 Ca