机器视觉第六章.pptVIP

第六章 边缘检测; 对一个边缘来说，有可能同时具有阶跃和线条边缘特性。例如在一个表面上，由一个平面变化到法线方向不同的另一个平面就会产生阶跃边缘；如果这一表面具有镜面反射特性且两平面形成的棱角比较圆滑，则当棱角圆滑表面的法线经过镜面反射角时，由于镜面反射分量，在棱角圆滑表面上会产生明亮光条，这样的边缘看起来象在阶跃边缘上叠加了一个线条边缘。由于边缘可能与场景中物体的重要特征对应，所以它是很重要的图像特征。比如，一个物体的轮廓通常产生阶跃边缘，因为物体的图像强度不同于背景的图像强度。 在讨论边缘算子之前，首先给出一些术语的定义： 边缘点：图像中具有坐标 且处在强度显著变化的位置上的点。 边缘段：对应于边缘点坐标 及其方位 ，边缘的方位可能是梯度角。 边缘检测器：从图像中抽取边缘(边缘点和边缘段)集合的算法。 轮廓：边缘列表，或是一条表示边缘列表的拟合曲线。 ; 边缘连接：从无序边缘表形成有序边缘表的过程．习惯上边缘的表示采用顺时针方向来排序。 边缘跟踪：一个用来确定轮廊的图像（指滤波后的图像）搜索过程。 边缘点的坐标可以是边缘位置像素点的行、列整数标号，也可以在子像素分辨率水平上表示。边缘坐标可以在原始图像坐标系上表示，但大多数情况下是在边缘检测滤波器的输出图像的坐标系上表示，因为滤波过程可能导致图像坐标平移或缩放。边缘段可以用像素点尺寸大小的小线段定义，或用具有方位属性的一个点定义。请注意，在实际中，边缘点和边缘段都被称为边缘。 由边缘检测器生成的边缘集可以分成两个子集：真边缘集和假边缘集。真边缘集对应场景中的边缘，假边缘集不是场景中的边缘。还有一个边缘子集，即场景中漏检的边缘集。假边缘集称之为假阳性（false Positive），而漏掉的边缘集则称之为假阴性（false Negative）。 边缘连接和边缘跟踪之间的区别在于：边缘连接是把边缘检测器产生的无序边缘集作为输入，输出一个有序边缘集；边缘跟踪则是将一幅图像作为输入，输出一个有序边缘集。另外，边缘检测使用局部信息来决定边缘，而边缘跟踪使用整个图像信息来决定一个像素点是不是边缘。;6.1 梯度;6.2 边缘检测算法;6.2.2 Roberts算子;6.2.3 Sobel算子;6.2.4 Prewitt算子;6.2.5 各种算法比较;6．3 二阶微分算子;6.3.1　 拉普拉斯算子; (6．21) 　　当拉普拉斯算子输出出现过零点时就表明有边缘存在，其中忽略无意义的过零点(均匀零区)．原则上，过零点的位置精度可以通过线性内插方法精确到子像素分辨率，不过由于噪声，结果可能不会很精确． 考虑图6．6中所给的例子．图中表明了对一幅具有简单阶跃边缘的图像进行拉普拉斯运算的结果．输出图像中的一行是： 在本例中，对应于原始图像边缘的零交叉点位于两个中心像素点之间．因此，边缘可以用其左边的像素或右边的像素来标记，但整幅图像的标记必须一致．在多数情况下，零交叉点很少恰好在两像素点中间，因此边缘的实际位置要通过内插值来确定．;6.3.2 二阶方向导数;6.4　 LoG算法;6．5 图像逼近; 现在的任务是从数字图像的灰度值重构连续函数。对复杂的图像来说，连续强度函数可能包含x 和y 的超阶幂方，从而使得重构原始函数十分困难，因此，我们将采用简单的分段函数来建立图像的模型。这样，任务就变成了重构每一个分段解析函数，或小面（Facets）。换言之，就是试图找到在每一像素点的邻域内最能逼近该邻域强度值的简单函数，如图6.12所示。这种逼近叫小面模型（Facet model）[Haralick 1984]。图6.13给出了采用 5x5邻域的小面模型坐标系统。; 连续图像强度函数可以在每一个像素点上得到局部逼近。对一幅 nxm的图像，你能得到n*m 个逼近函数，每一个函数仅对图像中一个特定像素有效。使用这些函数（而不是像素值）来确定边缘位置。;6.6 Canny 边缘检测器;算法6．1 Canny 边缘检测 1. 用高斯滤波器平滑图像; 2. 用一阶偏导的有限差分来计算梯度的幅值和方向; 3. 对梯度幅值应用非极大值抑制 ; 4. 用双阈值算法检测和连接边缘。;6.7 子像素级位置估计;6.8 边缘检测器性能;6.8.1性能评价方法;