基于边缘的二值化基本方法.pptVIP

基于边缘的二值化方法 实验室讨论班 钟雪君 一张图片，我们能从背景中分离出前景，从不同的物体之间指认出某一个物体，一定是因为它们之间的灰度值存在着明显的差异.如果再进一步思索，这种差异，一般是来自于物体与背景之间，物体与物体之间存在的边界线。 边缘是图像最基本也是最重要的特征之一，在图像中表现为局部范围灰度的突变。 考虑边缘本身的特征。图像中的边缘，一般说来具有两个特征，一是边缘具有方向性，二是边缘附近像素点灰度值的变化。在垂直于边缘方向上取边缘附近的两个像素点，它们的灰度值差值一般是比较大的，也就是变化比较剧烈。在顺着边缘方向取边缘附近的两个像素点，会发现它们的灰度值差值一般是比较小的，也就是说，变化不是那么剧烈。对于这个特征，可以联想到数学上的微分和导数.为导数就是衡量一个值变化快慢的度量.于是我们需要将导数和微分的定义引入图像中。 对于一幅图像I(x，y)它是一个关于x和y的，即关于它的像素点位置的离散的二元函数。用 来定义图像I(x，y)在位置(x，y)处的梯度，则在像素点(x，y)处灰度值I(x，y)变化最快的方向为梯度向量方向。 现在对于一个边缘像素点(x，y)。(x，y)可以间接表示在该点处边缘的方向。为了估计该点处像素灰度值变化的快慢，当然也需要有一个度量。很自然，可以使用梯度的大小去衡量.记梯度的大小为 ，则