算法Canny边缘检测.ppt

2）Canny边缘检测器是高斯函数的一阶导数，是对信噪比与定位之乘积的最优化逼近算子． (4) 最佳折衷方案：高斯函数的一阶导数, 1）高斯平滑和梯度逼近相结合的算子在边缘方向上是对称的，在垂直边缘的方向上是反对称的． 单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 3）幅值和方位角: 2）使用一阶有限差分计算偏导数的两个阵列P与Q： 1）求图像与高斯平滑滤波器卷积: (5) Canny 边缘检测器 4）非极大值抑制（non-maximum suppression，NMS ） ： 细化幅值图像中的屋脊带，即只保留幅值局部变化最大的点． *将梯度角的变化范围减小到圆周的四个扇区之一， *方向角： *幅值： 为了更好的解释这个概念，看下图： 图中的数字代表了像素点的梯度强度，箭头方向代表了梯度方向。以第二排第三个像素点为例，由于梯度方向向上，则将这一点的强度（7）与其上下两个像素点的强度（5和4）比较，由于这一点强度最大，则保留。 5）取阈值 * 将低于阈值的所有值赋零值，得到图像的边缘阵列． * 阈值τ太低和阴影?假边缘; * 阈值τ取得太高?部分轮廊丢失. * 选用两个阈值: 更有效的阈值方案． 基本思想： 取高低两个阈值作用在幅值图N[i,j]，t1t2, 得到两个边缘图， 高阈值和低阈值边缘图。 连接高阈值边缘图，出现断点时，在低阈值 边缘图中的8邻点域搜寻边缘点。 算法 Canny 边缘检测 (1)?用高斯滤波器平滑图像． (2)?用一阶偏导有限差分计算梯度幅值和方向 (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． ? /wiki/Canny%E7%AE%97%E5%AD%90 进一步参考： 7X7高斯滤波模板 13X13高斯滤波模板 边缘检测 Edge Detection 边缘(edge)是指图像局部强度变化最显著的部分．边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间， 图像分割、纹理特征和形状特征等图像分析的重要基础． 图像强度的不连续可分为： (1) 阶跃不连续，即图像强度在不连续处的两边的像素灰度值有着显著的差异； (2) 线条不连续，即图像强度突然从一个值变化到另一个值，保持一较小行程后又回到原来的值． 1 边缘检测的基本定义 2、术语定义 边缘点：在亮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． 边缘检测器：从图像中抽取边缘集合的算法． 轮廓：边缘列表或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． 边缘跟踪：一个用来确定轮廊的图像搜索过程． Edge point, Edge segment, Edge detector, Boundary, Edge linking, Edge tracking 两种常见的边缘一阶导数和二阶导数示意图 (a)阶跃函数 (b)线条函数 理论曲线 实际曲线 3 梯度 梯度是一阶导数的二维等效式，定义为矢量 (1) 向量的方向就是函数增大时的最大变化率方向； (2) 梯度的幅值和方向: 用差分来近似梯度： j 对应于x轴方向，i对应于y负轴方向，用简单卷积模板表示: 求内插点（i+1/2,j+1/2） 处的梯度近似值．用一阶差分模板来求和的偏导数： 基本步骤： 滤波：改善与噪声有关的边缘检测器的性能； 一般滤波器降导致了边缘的损失； 增强边缘和降低噪声之间需要折衷． 增强：将邻域强度值有显著变化的点突显出来． 边缘增强一般是通过计算梯度幅值来完成的． 检测：最简单的边缘检测判据是梯度幅值阈值 定位：边缘的位置和方位在子像素分辨率上估计。 4 边缘检测算法 (1)Roberts算子 梯度幅值计算近似方法 用卷积模板表示： 梯度交叉算子 (2)Sobel算子 梯度幅值: 其中的偏导数用下式计算： c = 2 用卷积模板来实现 (3) Prewitt算子 与Sobel算子的方程完全一样，但c=1, 该算子没有把重点放在接近模板中心的 像素点． Dr. Judith Prewitt (4)各种算法的比较 5 二阶微分算子 图像强度的二阶导数的零交叉点就是找到边缘点． (1) 拉普拉斯算子 拉普拉斯算子是