第6章图像锐化处理及边缘检测.pptVIP

第6章图像锐化处理及边缘检测 本章要点： ? 图像边缘锐化的基本方法 ? 微分运算 ? 梯度锐化 ? 边缘检测 6.1 图像边缘锐化的基本方法 利用计算机进行图像锐化处理有两个目的，一是与柔化处理相反，增强图像边缘，使模糊的图像变得更加清晰起来，颜色变得鲜明突出，图像的质量有所改善，产生更适合人观察和识别的图像，本章的梯度锐化就是介绍这方面的内容。二是希望经过锐化处理后，目标物体的边缘鲜明，以便于计算机提取目标物体的边界、对图像进行分割、目标区域识别、区域形状提取等，为图像理解和分析打下基础，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位，本章的边缘检测算子就是介绍这方面的内容。 6.2 微分运算 微分运算应用在图像上，可使图像的轮廓清晰。 本节介绍的微分运算有： ? 纵向微分运算； ? 横向微分运算； ? 双方向一次微分运算。 6.2.1 纵向微分运算 对灰度图像在纵方向进行微分实现了将图像向左平移一个像素，再用原图像减去平移后图像。相减的结果反映了原图像亮度变化率的大小。原图像中像素值保持不变的区域，相减的结果为零，即像素为黑；原图像中像素灰度值变化剧烈的区域，相减后得到较大的变化率，对应的像素很亮，而且像素灰度值差别越大，则得到的像素就越亮，所以图像的垂直边缘得到增强。 本程序对灰度图像f在纵方向或横方向进行微分，在数字处理中，微分用差分表近似，并按下式求得： G(i,j)=f(i,j)-f(i-1,j-1) （6-6） 该算法用如下卷积核： 2．实现步骤 (1)取得原图的数据区指针。 (2)开辟一块内存缓冲区，并初始化为255。 (3)每个像素依次循环，新图像缓冲区中的当前像素的灰度值等于原图中当前像素的灰度值与其左方的像素的灰度值之差的绝对值。 (4)将缓冲区中的图像复制回原图数据区。 3．程序代码 4．效果对比图 (a)原图 (b)纵向微分运算 图6-2纵向微分运算 6.2.2 横向微分运算 1．理论基础 2. 实现步骤 3．程序代码 4．效果对比图 图6-3 横向微分运算 6.2.3 双方向一次微分运算 1．理论基础 对灰度图像f在纵方向和横方向两个方向进行微分。该算法是同时增强水平和垂直方向的边缘。该算法的数学表达式为： G(i,j)=sqrt{[f(i,j)-f(i,j-1)]*[f(i,j)-f(i,j-1)]+[f(i,j)-f(i-1,j)]* [f(i,j)-f(i-1,j)]} （6-8） 对于含小数的G ( i , j )可四舍五入。 该算法用如下卷积核： 水平（i方向） 垂直（j方向） 使用水平方向卷积核得出像素值为m，使用垂直方向卷积核得出像素值为n，该像素边界强度为：sqrt[（m×m）+（n×n）]。该算法是同时增强水平和垂直方向的边缘。 2．实现步骤 3．程序代码 4．处理结果 (a)原图 (b)纵向微分运算 (c) 横向微分运算 (d) 双方向一次微分运算 图6-4 微分运算 6．3梯度锐化 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像鋭化技术，使边缘变得清晰。梯度锐化常用的方法有： ? 直接以梯度值代替； ? 辅以门限判断； 　? 　给边缘规定一个特定的灰度级; ????? 给背景规定灰度级; ????? 根据梯度二值化图像. 6.3.1 直接以梯度值代替 利用双方向一次微分运算，算出梯度后让梯度值等于该点的灰度值。 即f(i,j)= G[f(i,j)]。 G[f(i,j)]={[ f(i,j) - f(i-1,j)]2+ [ f(i,j) - f(i,j-1)]2 }1/2 或G[f(i,j)]=| f(i,j)- f(i-1,j)|+| f(i,j)- f(i,j-1)| 6.3.2辅以门限判断 1理论基础 门限判断梯度锐化的公式如下： G[f(i,j)]={[ f(i,j) - f(i-1,j)]2+ [ f(i,j) - f(i,j-1)]2 }1/2 G[f(i,j)]+100; G[f(i,j)]≥T g(i,j)=