边缘提取 图象处理及应用 演示教学.ppt

图象处理及应用;第四章 图象的边缘提取;地层层理; 图象的边缘是图象的最基本特征。所谓边缘是指其周围象素灰度有阶跃变化或屋顶变化的那些象素的集合，边缘广泛地存在于物体和背景之间、物体与物体之间、基元与基元之间。因此，它是图象分割所依赖的重要特征。在图象识别的应用中，图象边缘也是非常重要的特征之一。图象边缘保留了原始图象中相当重要的部分信息，而又使得总的数据量减小了很多，这正符合特征提取的要求。但用于图象识别的边缘提取比起仅仅用于视觉效果增强的边缘提取要复杂一些。 经典的边缘检测方法是构造对象素灰度级阶跃变化敏感的微分算子，其应用效果类似于高频空间域的高通滤波其有增强高频分量的作用。因而，这类算子对噪声是敏感的。一些能有效地抑制噪音的边缘提取的算法是通过先对原图象进行平滑，再进行边缘检测才能成功地得到真正的边缘。 ;; 三、步骤：;;五、 Sobel 算子边缘探测 ; Sobel算子的两个卷积模板分别对应检测水平边缘和检测垂直边缘。 相比而言，sobel算子对于象素位置的影响作了加权，因此效果更好。Sobel算子是最常用的算子之一(它是一种一阶算子)，方法简单效果也不错，但提取出的边缘比较粗，要进行细化处理。 ;;;;-1 ;; 其可以认为代表参数空间PQ中过点(p,q)的一条直线 ; 由此可见在图象空间中共线的点对应在参数空间里相交的线。反过来，在参数空间中相交于同一点的所有直线在图象空间都有共线点与之对应。这就是点-线的对偶性。Hough变换根据这一原理把在图象空间中的检测问题转换到参数空间，通过在参数空间进行简单的累加统计，并找出参数空间的参数峰值位置从而完成检测曲线的任务。 ; 2、算法 在具体计算时需要在参数空间PQ里建立一个2-D的累加数组。设这个累加数组为 ，其中 和 分别为预期的斜率和截距的取值范围。开始时置数组A为零，然后对每一个图象空间中的给定的点，让p取遍P轴上所有可能的值，并根据式1算出对应的q, 再根据p和q的值（设都已经取整）对A累加： 。累加结束后，根据的峰值点便可以确定直??方程的斜率和截距两个参数，我们也就得到了直线的方程。 当直线接近竖直方向时，则会由于和的值都接近无穷而使计算量大增。此时可利用极坐标方程： ;根据这个方程，原图象空间的点对应新的参数空间 中的一条正弦曲线，即原来的点-直线对偶性变成了现在的点-正弦曲线对偶性。检测在图象空间中共点的线需要在参数空间里检测正弦曲线的交点。具体的算法与上面叙述的类似。寻找直线的方法是，开一个二维数组做为计数器，第一维是角度，第二维是距离。先给出可能出现的最大距离，用来确定数组第二维的大小。对于每一个黑色点，角度从0到178度（为了减少存储空间和计算时间，角度每次加2度而不是1度）变化，按方程(3)求出对应的距离 来，相应的数组元素 加1。到所有的象素都算完后，找到数组元素中最大的，就是最长的那条直线。 ;九、轮廓提取与跟踪;1、轮廓提取: 轮廓提取的原理十分简单。但其在获取物体形态和轮廓十分有效，因而它是黑白图象中进行边界提取和图象识别一种经典算法之一。其原理如下图所示，轮廓提取的算法非常简单，就是掏空内部点：如果二值图中有一象素点为黑，且它的8个相邻点都是黑色时（此时该点是内部点），则将该点删除。直到没有满足条件的象素点为止。 ; 一个简单二值图象闭合边界的轮廓跟踪算法很简单：首先按从下到上，从左到右的顺序搜索，找到的第一个黑点一定是最左下方的边界点，记为A。它的左，左上，上，右上四个邻点中至少有一个是边界点，记为B。从开始B找起，按左，左上，上，右上，右，右下，下，左下的顺序找相邻点中的边界点C。如果C就是A点，则表明已经转了一圈，程序结束。 否则从C点开始依据上述顺序继续查找边界点，直到找到A为止。 判断是不是边界点很容易：如果它的上下左右四个邻居都是黑点则不是边界点，否则是边界点。