图像处理与识别-8分割资料汇编.pptVIP

7.2边缘检测 算子比较 LOG算子：该算子首先用高斯函数对图像作平滑滤波处理，然后才使用Laplacian算子检测边缘，因此克服了Laplacian算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法检被测到。应用LOG算子，高斯函数中方差参数的选择很关键，对图像边缘检测效果有很大的影响。高斯滤波器为低通滤波器，方差越大，通频带越窄，对较高频率的噪声的抑制作用越大，避免了虚假边缘的检出，同时信号的边缘也被平滑了，造成某些边缘点的丢失。反之，方差越小，通频带越宽，可以检测到的图像更高频率的细节，但对噪声的抑制能力相对下降，容易出现虚假边缘。因此，应用LOG算子，为取得更佳的效果，对于不同图像应选择不同参数。 7.2边缘检测 算子比较 Canny算子：Canny算子虽然是基于最优化思想推导出的边缘检测算子，实际效果并不一定最优，原因在于理论和实际有许多不一致的地方。该算子同样采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉，造成边缘丢失。Canny算子其后所采用用双阈值算法检测和连接边缘，采用的多尺度检测和方向性搜索较LOG算子要好。 7.3边缘跟踪 基本步骤 从图像中一个边缘点出发，然后根据某种判别准则搜索下一个边缘点以此跟踪出目标边界。 （1）确定边界的起始搜索点，起始点的选择很关键，对某些图像，选择不同的起始点会导致不同的结果。 （2）确定合适边界判别准则和搜索准则，判别准则用于判断一个点是不是边界点，搜索准则则指导如何搜索下一个边缘点。 （3）确定搜索的终止条件。 7.3边缘跟踪 示例 二值图像边界跟踪 灰度图像边界跟踪 7.3边缘跟踪 Hough变换 Hough变换可以用于将边缘像素连接起来得到边界曲线。 （1）优点在于受噪声和曲线间断的影响较小。 （2）在已知曲线形状的条件下，Hough变换实际上是利用分散的边缘点进行曲线逼近，它也可看成是一种聚类分析技术 。 7.3边缘跟踪 Hough变换 直线检测 原始图像 二值化图像 细化图像 Hough 变换检测出的直线 7.3边缘跟踪 Hough变换 问题的提出 在找出边界点集之后，需要连接，形成完整的边界图形描述。 7.3边缘跟踪 Hough变换 Hough变换的基本思想 对于边界上的n个点的点集，找出共线的点集和直线方程。 对于任意两点的直线方程：y = ax + b，构造一个参数a，b的平面，从而有如下结论： a b 7.3边缘跟踪 Hough变换 xy平面上的任意一条直线y = ax + b ，对应在参数ab平面上都有一个点 过xy平面一个点(x,y)的所有直线，构成参数ab平面上的一条直线。 7.3边缘跟踪 Hough变换 如果点(x1,y1)与点(x2,y2)共线，那么这两点在参数ab平面上的直线将有一个交点 7.3边缘跟踪 Hough变换 在参数ab平面上相交直线最多的点，对应的xy平面上的直线就是我们的解 7.3边缘跟踪 Hough变换 算法实现 由于垂直直线a,为无穷大，我们改用极坐标形式：xcos ? + ysin? = ? 参数平面为?,? ，对应不是直线而是正弦曲线 使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点 然后找出该点对应的xy平面的直线线段 7.3边缘跟踪 Hough变换 Hough变换的扩展 Hough变换不只对直线，也可以用于圆： （x – c1）2 + (y - c2)2 = c32 这时需要三个参数的参数空间。 7.4阈值分割 内容 基本原理 人工阈值 自动阈值 （1）迭代法 （2）Otsu法 分水岭算法 7.4阈值分割 基本原理 原始图像——f(x,y) 灰度阈值——T 阈值运算得二值图像——g(x,y) ? 阈值选择直接影响分割效果，通常可以通过对灰度直方图 的分析来确定它的值。 7.4阈值分割 基本原理 利用灰度直方图求双峰或多峰 选择两峰之间的谷底作为阈值 7.4阈值分割 人工阈值