边缘检师测学习报告121.pptVIP

基于matlab的边缘检测 介绍 1.边缘检测的研究意义 2.边缘检测的边缘定义分类 3.边缘检测算子介绍 4.边缘检测算子效果比较 一.边缘检测的研究意义 1. 图像处理的重要一步。 2.图像视频压缩、图像分割处理、特征提取模式识别、高级计算机视觉、图像搜索等与边缘检测密切相关。 二.边缘检测的边缘定义分类 边缘的定义： 图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合 边缘的分类 阶跃状 阶梯状 脉冲状 屋顶状 三.边缘检测算子介绍 1.几种常用的边缘检测算子 2.边缘检测算子的数学背景知识 1.几种常用的边缘检测算子 Roberts算子 Sobel算子 Prewitt算子 LOG算子 Canny算子 2.边缘检测算子介绍 梯度算子 基于查找的边缘检测法 梯度算子 函数f(x,y)在(x,y)处的梯度为一个向量： ?f = [?f / ?x , ?f / ?y] 计算这个向量的大小为： G = [(?f / ?x)2 +(?f / ?y)2]1/2 近似为: G ? |?fx| + |?fy| 或 G ? max(|?fx|, |?fy|) 梯度的方向角为： φ(x,y) = tan-1(?fy / ?fx) 可用下图所示的模板表示 基于查找的边缘检测算法 基于查找的方法是通过寻找图像的一阶导数的最大和最小值来检测边界。通常将边界定位在梯度的最大方向，是基于一阶导数的边缘检测算法。 基于一阶导数的边缘检测算法包括Roberts算子、Sobel算子、Prewitt算子等，都是梯度算子。 (1)Prewitt算子 给定一个5*5图像，用prewitt算子来测验，假设阈值为T=78. 以中间的九个像素为例。 由以上结果可以看到：像素（1）（3）（4）（6）（7）（8）（9）的阈值都大于78。整个边缘如图所示。其他的Roberts、Sobel算子与此用法相同。 Sobel算子模板 Prewitt算子模板 (2)二阶算子 对f（x，y）沿着x轴求微分得： 二阶微分为： 即： 同理，y轴的二阶微分为： 合并x，y轴的二阶微分可得二阶算子为： 用图像像素形式表示为： (4)LOG边缘检测 将高斯滤波和拉普拉斯边缘检测结合在一起，称LOG边缘检测算子。 为抑制噪声，先作平滑滤波然后再作二次微分，通常采用高斯函数作平滑滤波，故有LOG算子。 在实现时一般用两个不同参数的高斯函数的差DOG（Difference of Gaussians）对图像作卷积来近似，这样检测出来的边缘点称为f (x ,y)的过零点（Zero-crossing）。 基本特征是： (1)平滑滤波器是高斯滤波器； (2)增强步骤采用二阶导数； (3)边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值； (4)使用线性内插方法在子像素分辨率水平上估计边缘的位置。 5 ×5大小的LOG算子模板为： （5）Canny Canny边缘检测器是高斯函数的一阶导数。 Canny算子是一个具有滤波、增强和检测的多阶段的优化算子。Canny算子先利用高斯平滑滤波器来平滑除噪声，用分割算法采用一阶偏导的优先差分来计算梯度的幅值和方向，再将经过一个非极大值抑制的过程，最后采用两个阈值来连接边缘。 Canny一阶差分卷积模板 四.边缘检测算子效果比较总结 1.经典的边缘检测算子比较 2.拉普拉斯算子、改进的拉普拉斯算子比较、Canny算子比较 1.经典边缘检测算子 （1）Roberts算子 （2）Sobel算子 （3）Prewitt算子 Roberts，Sobel，Prewitt效果对比原图 Roberts Sobel Prewitt 1.在图像没有噪声的情况下，Roberts算子、Sobel算子、Prewitt算子，都能够比较准确的检测出图像的边缘。 2.加入高斯白噪声后，三种边缘检测算子的边缘检测效果都多少受到噪声的干扰。 3.随着噪声的增加，噪声的影响加重，检测出大量的噪声点和伪边缘，甚至无法检测出边缘。 Roberts算子受噪声的影响最大，Sobel算子、Prewitt算子受噪声影响比Roberts算子小的原因： 经典的边缘检测方法引起对噪声的极度敏感，检测常常把噪声当作边缘点检测出来，真正的边缘由于受到噪声干扰没有检测出来 对于有噪声图像来说，一种好的边缘检测方法应该具有良好的噪声抑制能力，同时又有完备的边缘保持特性。从下面二阶算子边缘检测效果来看，二阶算子优于一阶算子。 2.LOG Canny Log，canny效果对比 在没有噪声的