基于边缘图像分割.pptVIP

基于边缘的图像分割 图5-8（a）是一种阶跃信号，我们当然认为A点处为边缘点。在实际情况中，物理信号不可能有理想的突变， 而是如图5-8（b）所示的逐渐增大的信号，对图5-8（b）中所示A、B、C三点， 一般称B点为边缘点。在图5-8（c）和5-8（d）中，如果台阶比较窄，即可以认为B点为边缘点，也可以认为该信号有两个边缘点A与C。 图像边缘 ◆图像边缘有两个特征：方向和幅度 沿边缘走向，像素值变化比较平缓； 沿垂直于边缘的走向，像素值则变化比较剧烈。 ◆一般常用一阶和二阶导数来描述和检测边缘。 基本思想：计算局部微分算子 截面图 边界图像 一阶微分：用梯度算子来计算 特点：对于亮的边，边的变化起点是正的，结束是负的。对于暗边，结论相反。常数部分为零。 用途：用于检测图像中边的存在 二阶微分：通过拉普拉斯来计算 特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。 用途：①二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。 ② 0跨越，确定边的准确位置 图像 剖面 一阶导数 二阶导数 上升阶跃边缘 下降阶跃边缘 脉冲状边缘 屋顶边缘 （a） （b） （c） （d） 图像边缘及其导数曲线规律示例 图像边缘 边缘点是信号“变化剧烈”的地方，以一维信号为例，定义一个准确的边缘数学模型。 边缘检测与微分运算 A 不同的边缘信号 （a） （b） （c） （d） 图像中不同类型的边界 （a） 边界； （b） 线； （c） 折线变化； （d） 缓慢的平滑变化 (a) (b) (d) (c) 图像边缘 综上所述，图像中的边缘可以通过对它们求导数来确定，而导数可利用微分算子来计算。对于数字图像来说，通常是利用差分来近似微分。 梯度边缘检测 设f(x,y)为连续图像函数，Gx和Gy分别为x方向和y方向的梯度，且在点(x,y)处的梯度可以表示为一个矢量，并有其梯度定义： （5.1） (1) Roberts算子 是一个交叉算子，其在点(i,j)的梯度幅值表示为： 　梯度边缘检测 （5.6） （5.7） （5.8） 用卷积模板可表示为 ： 其中，Gx和Gy分别为 ： (2) Sobel算子 Sobel算子在点(i,j)的梯度幅值表示为： （5.10） （5.11） 简化的卷积模板表示形式为 ： 其中，sx和sy分别x方向和y方向梯度的模版形式 ： （5.9） (3) Prewitt算子 Prewitt算子在点(i,j)的梯度幅值表示为： （5.10） （5.12） 简化的卷积模板表示形式为 ： 其中，sx和sy分别x方向和y方向梯度的模版形式 ： （5.9） Sobel算子 Roberts算子 Prewitt算子 原图 拉普拉斯二阶导数算子 ： （5.13） （5.14） 二阶差分的偏导数近似式为 ： 以上是以(i+1,j)为中心，用i替换i+1可得以(i,j)为中心的二阶偏导数公式： （5.15） （5.16） 也即有： 同理有： 所以有： 对应的集中模板为： 把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。 常用的LOG算子是5×5的模板： 高斯-拉普拉斯(LOG)算子 图5-8（a）是一种阶跃信号，我们当然认为A点处为边缘点。在实际情况中，物理信号不可能有理想的突变， 而是如图5-8（b）所示的逐渐增大的信号，对图5-8（b）中所示A、B、C三点， 一般称B点为边缘点。在图5-8（c）和5-8（d）中，如果台阶比较窄，即可以认为B点为边缘点，也可以认为该信号有两个边缘点A与C。 * *