边缘检测简介演示教学.pptxVIP

边缘检测 计算机如何识别边缘 计算机 杨璐 目录 PART 1 PART 2 PART 3 经典边缘模型Prewitt算子Canny算子 边缘的定义 边缘检测的目的边缘检测的应用 应用：计算机识别边缘 PPT目标 掌握内容 1.计算机视角的边缘意义 2.边缘检测的目的及应用 3.经典算子及其优缺点 1.Canny算子实现边缘检测的原理及步骤 2.计算机如何识别边缘 1.计算机识别边缘的编程步骤 2.经典算子模型 理解内容 了解内容 边缘的定义：人眼计算机 边缘勾画出目标物体； 边缘蕴含了丰富的信息：方向、形状等； 边缘是图像局部特征不连续（灰度突变、颜色突变、纹理结构突变等）的反映； 标志着一个区域的终结和另一个区域的开始。 边缘的定义：人眼计算机 对于计算机，边缘是指 周围像素灰度有变化的那些像素的集合。 主要表现为图像局部特征的不连续行；即信号发生奇异变化的地方。 边缘检测的目的 人眼对物体的区别依赖于图像的边缘；人的视觉细胞对物体的边缘特别敏感。我们先看到物体的轮廓，然后才判断这到底是什么东西。 边缘检测技术能够将图像中最有意义的部分即边缘信息。 提取出来，为进一步的图像分析、处理、识别奠定基础 边缘检测的应用 边缘通常存在于目标与目标、目标与背景、区域与区域之间的位置，是图像局部亮度变化最显著的部分。 对产品形状规格的检测 车牌识别 人脸识别 地震带检测 生物医疗 ...... 边缘模型之Prewitt算子 Prewitt算子 原理：在图像空间利用两个方向模板与图像进行邻域卷积来完成。 这两个方向模板一个检测水平边缘，一个检测垂直边缘。 利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用 。 缺点：经典Prewitt算子认为凡灰度新值大于或等于阈值的像素点都是边缘点。 这种判定会造成边缘点的误判，许多噪声点的灰度值也很大，而且对于幅值较小的边缘点，其边缘反而丢失了。 边缘模型之Canny算子 Canny算子 步骤： 1.去噪 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理 2.寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来 对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。从原始图像生成了图像中每个点亮度梯度图以及亮度梯度的方向。 3.在图像中跟踪边缘 较高的亮度梯度比较有可能是边缘，但是没有一个确切的值来限定多大的亮度梯度是边缘多大，所以 Canny 使用了滞后阈值。滞后阈值需要两个阈值——高阈值与低阈值。 边缘模型之Canny算子 假设图像中的重要边缘都是连续的曲线，从一个较大的阈值开始，这将标识出我们比较确信的真实边缘，使用前面导出的方向信息，我们从这些真正的边缘开始在图像中跟踪整个的边缘。在跟踪的时候，我们使用一个较小的阈值，这样就可以跟踪曲线的模糊部分直到我们回到起点。 其他边缘模型 1不同σ值的LoG算子 2将图像分为文字和非文字的两个类别 3形态学梯度检测二值图像的边缘 4图像的阈值分割 5用水线阈值法分割图像 6对矩阵进行四叉树分解 如如何识别图像边缘？ 前面提到，学者发现，人的视觉细胞对物体的边缘特别敏感。我们先看到物体的轮廓，然后才判断这到底是什么东西。计算机科学家受到启发，第一步也是先识别图像的边缘。人看到的是图像，计算机看到的是一个数字矩阵。所谓图像识别，就是从一大堆数字中找出规律。 如如何识别图像边缘？ 一般来说，为了过滤掉干扰信息，可以把图像缩小（比如缩小到 49 x 49 像素），并且把每个像素点的色彩信息转为灰度值，这样就得到了一个 49 x 49 的矩阵，然后，从左上角开始，依次取出一个小区块，进行计算。 如如何识别图像边缘？ 接着，需要有一些现成的边缘模式，比如垂直、直角、圆、锐角等等。下图右边是一个圆角模式，左边是它对应的 7 x 7 灰度矩阵。圆角所在的边缘灰度值比较高，其他地方都是0。 如如何识别图像边缘？ 现在，就可以进行边缘识别了。下面是一张卡通老鼠的图片。取出左上角的区块。 如如何识别图像边缘？ 取样矩阵与模式矩阵对应位置的值相乘，进行累加，得到6600。这个值相当大 如如何识别图像边缘？ 取样矩阵移到老鼠头部，与模式矩阵相乘，得到的值是0 结论 通常会预置几十种模式 每个区块计算出最匹配的模式 然后再对整张图进行判断 乘积越大就说明越匹配 可以断定区块里的图像形状是圆角 总结 边缘检测是基础 边缘检测很重要 As with 小学是基础 小学很重要 the end 谢谢大家 PPT模板下载：/moban/ 行业PPT模板