第七章 医学图像分.ppt

从以上几个图片可见： 1、Laplacian算子虽对边缘有响应，但对拐角、线条、线端点和孤立点响应更强。即对noise 增强作用更大 2、8的比4的增强作用大 拉普拉斯算子 ? 拉普拉斯算子一般不以其原始形式用于边缘检测,这是因为： (1) 作为一个二阶导数,拉普拉斯算子对噪声具有无法接受的敏感性; (2) 拉普拉斯算子的幅值产生双边缘,这是复杂的分割不希望有的结果; (3) 拉普拉斯算子不能检测边缘的方向. 拉普拉斯算子在分割中所起的作用包括: (1) 利用它的零交叉的性质进行边缘定位; (2) 确定一个像素是在边缘暗的一边还是亮的一边. 　　　　高斯-拉普拉斯(LOG)算子 噪声点对边缘检测有较大的影响， 效果更好的边缘检测器是高斯-拉普拉斯(LOG)算子。它把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。 高斯－拉普拉斯算子 ? 考虑函数: h的拉普拉斯算子(h关于r的二阶导数) : 高斯型的拉普拉斯算子 (LoG) 模糊图像 用该函数对图像进行平滑滤波,然后再应用拉普拉斯算子. 高斯型拉普拉斯算子 ? 三维曲线 图像 横截面 5×5的模板 Cany算子 好的边缘检测算子应具有的三个指标 (1) 低失误概率 既要少将真正的边缘丢失也要少将非边缘判为边缘 (2) 高位置精度 检测出的边缘应在真正的边界上 (3) 对每个边缘有唯一的响应 得到的边界为单象素宽 梯度算子边缘检测的MATLAB实现 I = imread(‘cameraman.tif); BW1 = edge(I,sobel); %应用Sobel算子进行滤波 BW2 = edge(I,roberts); %应用Roberts算子进行滤波 BW3 = edge(I,prewitt); %应用Prewitt算子进行滤波 BW4 = edge(I,log); %应用LOG算子进行滤波 subplot(2,3,1),imshow(BW1) subplot(2,3,2),imshow(BW2) subplot(2,3,3),imshow(BW3) subplot(2,3,4),imshow(BW4) 利用模板抽取的轮廓 原始图像 Sobel 利用模板抽取的轮廓 原始图像 Prewitt 利用模板抽取的轮廓 原始图像 Roberts 利用模板抽取的轮廓 原始图像 Laplacian of Gaussian 利用模板抽取的轮廓 原始图像 Canny 算子比较 ? ? Roberts算子：Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备抑制噪声的能力。该算子对具有陡峭边缘且含噪声少的图像效果较好。 ? Sobel算子和Prewitt算子：都是对图像先做加权平滑处理，然后再做微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。 算子比较 ? ? Laplacian算子：是不依赖于边缘方向的二阶微分算子算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。 算子比较 ? ? LOG算子：该算子首先用高斯函数对图像作平滑滤波处理，然后才使用Laplacian算子检测边缘，因此克服了Laplacian算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法检被测到。 应用LOG算子，高斯函数中方差参数的选择很关键，对图像边缘检测效果有很大的影响。高斯滤波器为低通滤波器，越大，通频带越窄，对较高频率的噪声的抑制作用越大，避免了虚假边缘的检出，同时信号的边缘也被平滑了，造成某些边缘点的丢失。反之，越小，通频带越宽，可以检测到的图像更高频率的细节，但对噪声的抑制能力相对下降，容易出现虚假边缘。因此，应用LOG算子，为取得更佳的效果，对于不同图像应选择不同参数。 7.5 边界跟踪与边界拟合 边界跟踪就是在灰度图像中一个边缘点出发，依次连接相邻边缘点，从而检测出边界的方法。 边界拟合是对已经找到的边缘点采取拟合方法进行联结，形成边界段，从而得到完整边界。 7.5 边界跟踪 ?起始点搜索。对于梯度图搜索，找出最大值点作为搜索点，在起始搜索点的8-邻域中，找出梯度值最大者作为第二个边界点。 ?边界判别准则和搜索准则。C为当前边