课件经典边缘检测算子.pptVIP

边缘提取—边缘检测算子 姓名： 学号： 边缘检测算子介绍 物体的边缘是由灰度不连续性所反映的。边缘提取首先检出的是这种不连续性，然后再将这些不连续性的边缘像素连成完备的边界，即物体的边缘。 图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。 边缘检测算子介绍 经典的边缘提取是对图像运用导数算子，灰度变化较大的点处导数值变大，因此我们可将图像的导数算子运算值作为相应的边界强度，通过对这些边界值设定阈值，提取边界的点集。如图为边缘与微分的对应关系。 一阶微分 一阶微分的计算公式： 离散化之后的差分方程： 边缘检测算子原理及方法 边缘检测算子原理及方法 单方向一阶微分  —— 基本原理 单方向的一阶微分锐化是指对某个特定方向上的边缘 信息进行增强。 水平方向锐化和垂直方向锐化。 边缘检测算子原理及方法 水平方向一阶锐化  —— 基本方法 水平方向的锐化非常简单，通过一个可以检测出水平方向上的像素值的变化模板来实现。 边缘检测算子原理及方法 水平方向一阶锐化  —— 基本方法例题 1 2 3 2 1 2 1 2 6 2 3 0 8 7 6 1 2 7 8 6 2 3 2 6 9 0 0 0 0 0 0 -3 -13 -20 0 0 -6 -13 -13 0 0 1 12 5 0 0 0 0 0 0 1*1+2*2+1*3-1*3-2*0-1*8=-3 问题：计算结果中出现了小于零的像素值 边缘检测算子原理及方法 垂直方向一阶锐化  —— 基本方法 垂直锐化算法的设计思想与水平锐化算法相同，通过一个可以检测出垂直方向上的像素值的变化模板来实现。 边缘检测算子原理及方法 垂直方向一阶锐化  —— 基本方法例题 1 2 3 2 1 2 1 2 6 2 3 0 8 7 6 1 2 7 8 6 2 3 2 6 9 0 0 0 0 0 0 -7 -17 4 0 0 -16 -25 5 0 0 -17 -22 -3 0 0 0 0 0 0 1*1+2*2+1*3-1*3-2*2-1*8=-7 问题：计算结果中出现了小于零的像素值 边缘检测算子原理及方法 锐化后处理 问题：像素值为负 方法1：整体加一个正整数，以保证所有的像素值均为正。 这样做的结果是可以获得类似浮雕的效果。 20 20 2 0 20 20 20 17 7 0 20 20 14 7 7 20 20 21 32 25 20 20 2 0 20 2 0 20 0 0 0 0 0 0 -3 -13 -20 0 0 -6 -13 -13 0 0 1 12 5 0 0 0 0 0 0 边缘检测算子原理及方法 锐化后处理 0 0 0 0 0 0 3 13 20 0 0 6 13 13 0 0 1 12 5 0 0 0 0 0 0 0 0 0 0 0 0 -3 -13 -20 0 0 -6 -13 -13 0 0 1 12 5 0 0 0 0 0 0 方法2：将所有的像素值取绝对值。 这样做的结果是，可以获得边缘的方向提取。因此在边缘检测时，图像中的每个像素点用模板进行卷积运算，为避免出现负值，通常取其绝对值。 边缘检测算子原理及方法 在这里，我们讨论四种常见的基于（近似）一阶微分的边缘检测算子：Roberts边缘算子、Sobel边缘算子、Prewitt边缘算子、Kirsch边缘算子。 边缘检测算子通常包括方向的确定，大多数都是基于方向导数模板求卷积的方法进行边缘提取。 Roberts（罗伯特）边缘检测算子 设 是图像灰度分布函数,Roberts算子由下式给出： 上述算子对应的两个模板如下： Roberts算子是一种斜向偏差分的梯度计算方法, 梯度的大小代表边缘的强度, 梯度的方向与边缘走向垂直。用差分代替一阶偏导，算子形式可表示如下： Sobel（索贝尔）边缘检测算子 Sobel算子是由两个卷积核 与 对原图像 进行卷积运算而得到的。Sobel边缘算子所采用的算法是先进行加权平均，然后进行微分运算，我们可以用差分代替一阶偏导，算子的计算方法如下： Sobel（索贝尔）边缘检测算子 -1 0 1 -2 0 2 -1 0 1 计算 均值， 平滑 噪声 检测竖直边缘 计算均值， 平滑噪声 检测 水平 边缘 -1 -2 -1 0 0 0 1 2 1 Sobel算子垂直方向和水平