计算机视与觉Chapter5 .ppt

computer vision 第五章　边缘检测与轮廓表示 5.1 边缘检测中的一些基本术语 5.2 梯 度 5.3 一阶边缘检测算子 5.4 二阶边缘检测算子 5.5 Canny 检测算法 5.6 轮廓表示 5.7 Hough 变换 5.1 边缘检测 一些术语： 边缘点：图像中亮度显著变化的点。 边缘段：边缘点坐标[i,j]及其方向θ的总和，边缘的方向可以是梯度值。 边缘检测器：从图像中抽取边缘（边缘点或边缘线段）集合的算法。 轮廓：边缘列表，或是一条边缘列表的曲线模型。 边缘连接：从无序边缘表形成有序边缘表的过程，习惯上边缘的表示用顺时针方向来排序。 边缘跟踪：一个用来确定轮廓图像的搜索过程。 5.1 边缘检测 边缘点的坐标用边缘位置像素的行、列整数标记；边缘段用像素点尺寸大小的线段表示，或用有方向属性的一个点定义。实际中，边缘点和边缘线段都表示边缘。 边缘检测器生成的边缘集可以分为：真边缘集和假边缘集、漏检边缘集。假边缘集称为假阳性，漏检的边缘集成为假阴性。 边缘连接和边缘跟踪之间的区别：边缘连接是把边缘检测器检测的无序边缘集作为输入，输出一个有序边缘集；边缘跟踪是将一幅图像作为输入，输出一个有序边缘集。 梯 度 一维情况下，阶跃边缘同图像的一阶导数局部峰值有关。图像灰度值的显著变化可用梯度的离散逼近函数来检测，梯度是一阶导数的二维等效式： 梯度的幅度值： 梯度的幅度值也可是： 梯度的幅度值是与方向无关的，算子是各向同性算子。 数字图像中，导数用差分表示： 5.2 一阶边缘检测算法 边缘检测的算法步骤： 滤波(去噪)：边缘检测主要是一阶或二阶导数，但导数的计算对噪声很敏感，因此必须用滤波器滤除噪声，而滤波器也会使边缘强度降低，所以增强边缘和降低噪声之间需要折中。 增强：增强算法可以将邻域强度值有显著变化的点突出出来，一般使用计算梯度值来完成。 检测：在图像中有许多点的梯度幅度值比较大，而这些值在特定的邻域中不都是边缘，所以要用某种方法确定边缘。 定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上估计。 5.2 一阶边缘检测算法 Roberts交叉算子 Roberts算子为梯度幅度值计算提供了一种简单的近似： 模板卷积: Gx和Gy模板是： 5.2 一阶边缘检测算法 Sobel算子 Sobel算子为梯度幅度值计算： 模板卷积: Gx和Gy模板是： 5.2 一阶边缘检测算法 Prewitt算子 Prewitt算子和Sobel算子方程一样： 模板卷积: Gx和Gy模板是： 5.3 二阶边缘检测算法 一阶导数的边缘检测器会导致边缘点检测太多。 一种解决办法是：使用梯度值的局部最大值对应点作为边缘点，对应着二阶导数零交叉点。 5.3 二阶边缘检测算法 拉普拉斯算子 拉普拉斯算子是二阶导数的二维等效式： 差分表示： 5.3 二阶边缘检测算法 拉普拉斯算子 拉普拉斯算子的卷积模板： 有时为了突出中心点，可以使用更大的权值： 5.3 二阶边缘检测算法 拉普拉斯算子 零交叉点位于两个中心像素之间的子像素： 零交叉点位于两个中心像素之间的一个像素： 5.3 二阶边缘检测算法 二阶方向导数： 一直图像曲面f(x,y),其θ方向（与y轴夹角）的方向导数在f(x,y)点的值为 二阶方向导数为 一般二阶方向导数不常见，因为很容易受到噪声影响，故使用之前必须经过特别有效的滤波处理。 5.5 轮廓表示 链码轮廓表示： 链码：沿着轮廓记录边缘表的一种表示方法。 链码：规定了边缘表中每一个边缘点所对应的轮廓方向，轮廓方向被量化为4邻点链码或8邻点链码 5.5 轮廓表示 链码轮廓表示：逆时针，以8邻点链码表示得： 5.5 轮廓表示 链码轮廓表示：逆时针，以8邻点链码表示得： 5.5 轮廓表示 链码性质： 链码的微分（差分链码）可由原链码的一阶差分求得。差分链码具有旋转不变性，可用于手写体识别。 5.6 Hough变换 Hough变换概述 Hough变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法。 在预先知道区域形状的条件下，利用Hough变换可以方便的得到边界曲线而将不连续的边缘像素点连接起来。 主要优点是受噪声和曲线间断的影响较小。 Hough变换的主要思想就是在已知形状的条件下，将曲线从图像坐标系变换到参数坐标系，通过研究参数坐标系下的一些特征，得到图像坐标系下的表示。 5.6 Hough 变换 直线的Hough 变换 直线的斜率和截距表达式 所以 直线的极坐标系表示式 5.6 Hough变换 直线Hough变换 在图像空间中共线的点在参数空间中里相交的线。反过来，在参数空间中相交于一个点的所有直线在图像空间中都是共线的点与之对应； 点—线的对偶性；