图像恢复工作研究.pptVIP

7.2 并行边界分割技术 1.边缘检测 边缘及 导数分析 7.2 并行边界分割技术 1.边缘检测 关于数字边缘导数的结论： 一阶导数可以用于检测图像中的一个点是否是边缘点（数字图像中一阶导数用梯度计算）； 二阶导数可以用于判断一个边缘像素是在边缘亮的一边还是暗的一边（数字图像中二阶导数用拉普拉斯算子计算） 7.2 并行边界分割技术 1.边缘检测 关于数字边缘导数的结论： 二阶导数的过零点性质：一条连接二阶导数正极值和负极值的虚构直线将在边缘中点附近穿过零点。 7.2 并行边界分割技术 1.边缘检测－有噪图像边缘特点 被均值为0，方差为0的高斯噪声污染 被均值为0，方差为0.1的高斯噪声污染 被均值为0，方差为1的高斯噪声污染 被均值为0，方差为10.0的高斯噪声污染 7.2 并行边界分割技术 1.边缘检测 有噪图像的边缘提取： 噪声消除处理：使用平滑模板或中值滤波等平滑滤波方法消除噪声。 边缘提取处理： 使用拉普拉斯、索贝尔等边缘提取模板突出物体的边缘，而后做二值化处理，得到物体的边缘信息（只保留边缘）。 7.2 并行边界分割技术 2.微分算子 前面提到，边缘的检测可以借助空域微分算子通过卷积来完成，在数字图像中一般利用差分来近似微分。 梯度算子（一阶） 拉普拉斯算子（二阶） 7.2 并行边界分割技术 2.微分算子－－梯度算子 2*2 Roberts交叉梯度算子 7.2 并行边界分割技术 2.微分算子－－梯度算子 3*3 水平和垂直方向梯度算子 3*3 对角线方向 梯度算子 7.2 并行边界分割技术 2.微分算子－－梯度算子 3*3 水平和垂直方向梯度算子 3*3 对角线方向 梯度算子 7.2 并行边界分割技术 2.微分算子－－梯度算子 原图 梯度图像 水平方向上梯度分量 垂直方向上梯度分量 7.2 并行边界分割技术 2.微分算子－－梯度算子 对角线边缘检测 7.2 并行边界分割技术 2.微分算子－－梯度算子 对角线边缘检测 7.2 并行边界分割技术 2.微分算子－－拉普拉斯算子 拉普拉斯算子是一种二阶导数算子，对连续函数 ，它在位置 的拉普拉斯值定义如下： 7.2 并行边界分割技术 2.微分算子－－拉普拉斯算子 作为二阶算子，拉普拉斯算子对噪声敏感 拉普拉斯算子产生双边缘 拉普拉斯算子不能检测边缘的方向 7.2 并行边界分割技术 3.并行边界闭合 对用各种算子得到的边缘像素是孤立的或分小段连续的，为组成区域的封闭边界以将不同区域分开，需要将边界连接起来。 并行处理方法：1、局部处理 2、整体处理（哈夫变换） 串行处理方法：图搜索等 7.2 并行边界分割技术 3.并行边界闭合－－局部处理方法 利用梯度幅度和梯度方向的相似性，如果像素(s,t)在像素(x,y)的邻域且它们的梯度幅度和梯度方向分别满足以下2个条件: 其中T为幅度阈值，A为角度阈值。 7.2 并行边界分割技术 3.并行边界闭合－－局部处理方法 那么就可以将像素(s,t)和像素(x,y)连接起来。对所有的边界像素进行判断和连接可以得到闭合的边界。 7.2 并行边界分割技术 3.并行边界闭合－－局部处理方法 输入图像 边缘连接的结果 水平方向上的梯度 垂直方向上的梯度 7.2 并行边界分割技术 3.并行边界闭合－－Hough变换 哈夫变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法。在预先知道区域形状的条件下，利用哈夫变换可以方便地得到边界曲线而将不连续的边缘像素点连接起来。 7.2 并行边界分割技术 3.并行边界闭合－－Hough变换 哈夫变换优点： 受噪声和曲线间断的影响较小； 很容易检测直线； 可以检测某些已知形状的目标； 有可能在亚像素精度确定边界。 7.2 并行边界分割技术 3.并行边界闭合－－Hough变换 问题：给定图像中的n个点，从中确定连在同一条直线上的点的子集。即：已经检测出一条直线上的若干点，求出它们所在的直线。 7.2 并行边界分割技术 3.并行边界闭合－－Hough变换 解决方案一： 先确定所有由任意两点决定的直线； 再找出接近具体直线的点的集合。 1）运算量：约需 次运算，确定 条直线 2）运算量：约需 次运算，比较 个点中的每一个与 中的每一条直线。 7.2 并行边界分割技术 3.并行边界闭合－－Hough变换 解决方案二：Hough变换 哈夫变换的基本思想是点－线的对偶性。 图像XY空间，过点(x,y)的直线： y = px + q 参数PQ空间，过点(p,q)的直线： q = -px + y 7.2 并行边界分割