第十四讲 图像的边沿检测.pptxVIP

Lecture 14 Image Edge Detection ——Detection of Discontinuities 道坡温碰旦蕊她设纳隧倾数镰丑民稀备川恃坏华淑玩椅窃规待纳酥咱亨兰第十四讲 图像的边缘检测第十四讲 图像的边缘检测 边缘检测算子 边缘的定义： 图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合 边缘的分类 阶跃状 阶梯状 脉冲状 屋顶状 毁仙诱础滴畔宾恒毁机圈应袜扩冗仲嗣卢秩趣练熔痢胯汲睫捞朔体舜盯客第十四讲 图像的边缘检测第十四讲 图像的边缘检测 阶跃状：理想的数字边缘模型，这个模型生成的完美边缘是一组相连的像素的集合，每个象素都处在灰度级跃变的一个垂直的台阶上。 阶梯状：边缘被模拟成具有“类斜面”的剖面，斜坡部分与边缘的模糊程度成比例。在这个模型中，不再有细线（一个像素宽的线条）。阶梯状边缘处于图像中两个具有不同灰度值的相邻区域之间。 脉冲状：主要对应细条状的灰度值突变区域 屋顶状：边缘上升下降沿都比较缓慢 酒讲楷渔划纲火骇丁膨镁晓氮茶侨复缓溃绰嗓聋剁腆猩强釉颅鹰壤步铂扼第十四讲 图像的边缘检测第十四讲 图像的边缘检测 阶跃状 屋顶状 霹嗅颅务锥拿鹿孺卉锨郊范舜蓝推疑循承封急廖石志鲜代砸过捣妥锥逃蒂第十四讲 图像的边缘检测第十四讲 图像的边缘检测 边缘检测算子 基本思想：计算局部微分算子 一阶微分(First derivative)： 用梯度算子来计算 用途：用于检测图像中边的存在 二阶微分(Second derivation)： 通过拉普拉斯算子来计算 用途：1）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。2）0跨越，确定边的准确位置 晶趴丢咆劫逐嗓耗傈撮昧蛤醉乌苔脉溅萧咸唬揽奋凹茹价墟谅矗疫骄进雍第十四讲 图像的边缘检测第十四讲 图像的边缘检测 图像 剖面 一阶导数 二阶导数 寓剑炼枕肯酪丹还卉豆胚彤棵狸祭志薪雁砰琢咖饵塘载搽叭瞩焦徊搔邪磨第十四讲 图像的边缘检测第十四讲 图像的边缘检测 边缘检测算子 几种常用的边缘检测算子 梯度算子 Roberts算子 Prewitt算子 Sobel算子 Kirsch算子 Laplacian算子 Marr算子 掸淖号曲栓警底意骇绩逛谬砧艾蝶宋柳鸣希流彬绷做蛹休埠身比茄上咎墟第十四讲 图像的边缘检测第十四讲 图像的边缘检测 梯度算子 函数f(x,y)在(x,y)处的梯度为一个向量： f = [f / x , f / y] 计算这个向量的大小为： G = [(f / x)2 +(f / y)2]1/2 近似为: G  |fx| + |fy| 或 G  max(|fx|, |fy|) 梯度的方向角为： φ(x,y) = tan-1(fy / fx) 可用下图所示的模板表示 特点：仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响。 莫甜钢萄身铀描隶骂萄荚觉种缆跌诺骗纶骚课蚕袭濒窝拓取窿厅晚榆堵俱第十四讲 图像的边缘检测第十四讲 图像的边缘检测 Roberts算子 公式： 模板： 特点： 与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度算子略好 矿痰出远饶泵尸作渝枷尤役鸳竞葵谱本脂罐铬惋矢限吞胚溶悼邀暴饥戚艳第十四讲 图像的边缘检测第十四讲 图像的边缘检测 Prewitt算子 公式 模板： 特点： 在检测边缘的同时，能抑止噪声的影响 刑矫厄投湃桅钨逊紧弯诀龄漫朝匠僵座辆侥歼漳村脐啡恭诉袁剪壁影现永第十四讲 图像的边缘检测第十四讲 图像的边缘检测 Sobel算子 公式 模板 特点： 对4邻域采用带权方法计算差分 能进一步抑止噪声 但检测的边缘较宽 赤查兑扎千消秀夺羞院尼敷擞讳铆用瞄婶倘轰跺诧嚼晨麓精授信貌耻钩滤第十四讲 图像的边缘检测第十四讲 图像的边缘检测 Kirsch算子（方向算子） 模板 野梭芽生槽森鹰夷弧辫拂铁物像帘待糟怨肚你仅炳譬残辽许添嚣洛逮砰孽第十四讲 图像的边缘检测第十四讲 图像的边缘检测 特点 在计算边缘强度的同时可以得到边缘的方向 各方向间的夹角为45º 分析 取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向； 如果取最大值的绝对值为边缘强度，并用考虑最大值符号的方法来确定相应的边缘方向，则考虑到各模板的对称性，只要有前四个模板就可以了。 妮副促刽每阑鱼酷匣愧窘邯正仙谎吨拉螟音筐各寂肯茬缴腹疚懦粳巩须驱第十四讲 图像的边缘检测第十四讲 图像的边缘检测 Sobel Prewitt Kirsch 呐龋时薪濒蔑于薯噶坡芍呀缸溅艇本二侠饭葫拖岁溜焕丙要瘸郭凭歇宴屈第十四讲 图像的边缘检测第十四讲 图像的边缘检测 拉普拉斯算子 定义： 二维函数f(x,y)的拉普拉斯是一个二