第4章 图像增强(第3讲)培训讲解.pptVIP

需要记住的是：这些方向是梯度的方向，也就是可能的边缘方向的正交方向。通过梯度的方向,我们就可以找到这个像素梯度方向的邻接像素； 5）、非最大值抑制：遍历图像，若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大的，那么这个像素值置为0，即不是边缘； 6）、使用累计直方图计算两个阈值。凡是大于高阈值的一定是边缘； 凡是小于低阈值的一定不是边缘；如果检测结果大于低阈值但又小于高阈值，那就要看这个像素的邻接像素中有没有超过高阈值的边缘像素：如果有的话那么它就是边缘，否则它就不是边缘； 7）、可以利用多尺度综合技术做得更好。 一种典型的边缘增强图像如图4-26所示。 图 4-26 图像尖锐化处理的例子 （a）是原像 （b）是soble算子处理的结果 （c）是拉普拉斯算子处理结果 （d）是各向异性处理结果 坎尼（Canny ）算子是1986年John Canny在IEEE上发表的“A Computational Approach to Edge Detection”这篇文章中提出的。文章中还给出了边缘检测的三条准则，即Canny准则(Cannys Criteria)。并在此基础上提出了一个实用算法。 4.3.3 Canny算子 Canny准则的目的就在于： 在对信号和滤波器做出一定假设的条件下利用数值计算方法求出最优滤波器并对各种滤波器的性能进行比较。 坎尼（Canny）算子是一阶算子，其方法的实质是用一个准高斯函数作平滑运算，然后以带方向的一阶微分算子定位导数最大值，它可用高斯函数的梯度来近似，在理论上很接近4个指数函数线性组合形成的边缘算子。 1．边缘检测的Canny准则 根据边缘检测的有效性和定位的可靠性，Canny研究了最优边缘检测器所需的特性，推导出最优边缘检测器的数学表达式。对于各种类型的边缘，Canny边缘检测算子的最优形式是不同的。 1）优良的信噪比；即对边缘的错误检测率要尽可能低：也就是说将非边缘点判别为边缘点及将边缘点判为非边缘点的概率要低。 2）优良的定位性能；即检测出的边缘位置要尽可能在实际边缘的中心。 3）对同一边缘仅有唯一响应；即单个边缘产生多个响应的概率要低，并且虚假边缘响应应得到最大抑制。 边缘增强算子有三个共同要求，即： Canny将他总结出的三个判据用数学的形式表示出来，然后采用最优化数值方法，得到给定边缘类型的最佳边缘检测模板。对于二维图像，需要使用若干方向的模板分别对图像进行卷积处理，再取最可能的边缘方向。 2．Canny算子的计算实现 对于阶跃型的边缘，Canny推出的最优边缘检测器的形状与高斯函数的一阶导数类似，而根据二维高斯函数的圆对称性和可分解性，可以很容易的计算高斯函数在任意方向上的方向导数与图像的卷积。 根据Canny的定义，中心边缘点为算子 ，设二维高斯函数 在某一方向n上的一阶方向导数为 其中， 是方向矢量， 是梯度矢量与图像 的卷积在边缘梯度方向上的区域中的最大值。 这样，就可以在每一点的梯度方向上判断此点强度是否为其最大值来确定该点是否为边缘点。 将图像 与 作卷积，同时改变n的方向， 取得最大值时的n就是正交于检测边缘的方向。由 （4－64） 因此，对应于极值的方向n （4－66） 在该方向上 有最大输出响应，此时， （4－67） 当一个像素满足以下三个条件时，则被认为是图像的边缘点： （1）该点的边缘强度大于沿该点梯度方向的两个相邻像素点的边缘强度； （2）与该点梯度方向上相邻两点的方向差小于4度； （3）以该点为中心的邻域中的边缘强度极大值 小于某个阈值。 此外，如果（1）和（2）同时被满足，那么在梯度方向上的两相邻像素就从候选边缘点中取消，条件（3）相当于用区域梯度最大值组成的阈值图像与边缘点进行匹配，这一过程消除了许多虚假的边缘点。 1．双阈值技术 Canny还提出一种对噪声估计的实用方法。假设边缘信号较大值的响应比较少，而噪声较小值的响应很多，那么阈值就可以通过滤波后的图像的统计累积直方图得到。 3．Canny边缘检测算法 但是，仅仅有一个阈值并不充分，由于噪声影响边缘信号响应只有差不多一半大于这个阈值，由此造成了斑纹现象(Steaking)，也就是说边缘是断的。 如果把这个阈值降低，往往会出现错误的“边缘”。为了解决这个问题，Canny提出了一种双阈值方法。前面利用累计统计直方图得到一个高阈值 ，然后再取一个低阈值 。 如果图像信号的响应大于高阈值，那么它一定是边缘；如果低于低阈值，那么它一定不是边缘；如果在低阈值和高