数字图像处理 边缘检测.ppt

（1）高斯平滑滤波器 （3）幅值和方位角: （2）使用一阶有限差分计算偏导数的两个阵列P与Q： 0 0 1 1 0 1 0 1 （4）非极大值抑制（NMS non-maxima suppression ）： 细化幅值图像中的屋脊带，即只保留幅值局部变化最大的点．仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。解决方法：利用梯度的方向。 *将梯度角的变化范围减小到圆周的四个扇区之一 四个扇区的标号为0到3，对应3*3邻域的四种可能组合。在每一点上，邻域的中心象素M与沿着梯度线的两个象素相比。如果M的梯度值不比沿梯度线的两个相邻象素梯度值大，则令M=0。 （5）取阈值 * 将低于阈值的所有值赋零，得到图像的边缘阵列． * 阈值τ取得太低?假边缘; * 阈值τ取得太高?部分轮廊丢失. * 选用两个阈值: 更有效的阈值方案． 基本思想： 取高低两个阈值作用在幅值图 N[i,j]，t1 = 2*t2, 得到两个边缘图， 高阈值和低阈值边缘图。 连接高阈值边缘图，出现断点时，在低阈值 边缘图中的8邻点域搜寻边缘点。 7X7高斯滤波模板 13X13高斯滤波模板 4 边缘表示（Representation） 链码（chain code） 链码用相邻边缘点组成的方向序列来表示边缘．4-连通对应四方向链码；8-连通对应八方向链码． 曲线的链码是：6022222021013444444454577012 其差分链码是： 220000627712100000017120111 曲线的链码是：024444424323566666676711234 其差分链码是： 22000062771210000017130111 曲线表示 用几何曲线表示边缘 多采用分段逼近策略 曲线段形式 （1）直线 （2）二次曲线（圆弧，圆锥） （3）样条曲线（三次样条，B－样条） ………. 三次样条曲线 样条曲线是用分段多项式表示的曲线，在连接点处具有连续的一阶和二阶导数． 三次样条曲线由n个结点所确定的n-1个三次参数曲线段组成，每个曲线段的参数取值范围[0,1]，总的参数取值范围[0,n-1]，结点处 B-样条曲线 B-样条曲线的基本形式与样条函数一致，区别在于B-样条曲线不一定通过结点，因此通常称为控制点（或引导结点）. 曲线拟合（fitting） 内插：曲线通过所有边缘点． 逼近：曲线尽可能接近边缘点，但不要求通过边缘点． 评价依据： （1）最大绝对误差（MAE） （2）均方误差（MSE） （3）规范化最大误差（NME） （4）曲线长度与端点距离之比 多直线段拟合 自顶向下的分裂方法 初始用一条直线段表示整条曲线，然后通过反 复增加顶点数不断提高拟合精度 自底向上的合并方法 初始用边缘点前后相连构成的多直线段表示曲线，然后逐步减少顶点个数以提高表示效率． 分裂-合并方法 交替进行直线段分裂与合并 基于多直线段的拟合 首先做多直线段拟合，然后根据多直线段的顶点进行更复杂曲线模型的拟合 （1）圆弧拟合 相邻的三个顶点确定一段圆弧 （2）圆锥曲线拟合 相邻直线段确定一段圆锥曲线 （3）三次样条拟合 以多直线段顶点为样条结点 最小二乘法 用均方误差评价回归结果，通过最小化均方误差求解 例子：（直线） 为观测值 * * 边缘与轮廓 边缘是不同区域的分界线，是图像局部强度变化最显著的那些像素的集合。 图像强度的显著变化可分为： (1) 阶跃变化（函数），即图像强度在不连续处的两边的像素灰度值有着显著的差异； (2) 线条（屋顶）变化（函数），即图像强度突然从一个值变化到另一个值，保持一较小行程后又回到原来的值． 边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间， 5.1.2 边缘检测 当人看一个有边缘的物体时,首先感觉到的便是边缘. 在边缘处，灰度和结构等信息的产生突变.边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像. 由于图像数据是二维的,而实际物体是三维的,从三维到二维的投影必然会造成信息的丢失,再加上成像过程中光照的不均和噪声等因素的影响,使得有边缘的地方不一定能被检测出来,而检测出来的边缘也不一定代表实际边缘. 图像的边缘有方向和幅度两个属性,沿边缘方向像素变化平缓,垂直于边缘方向像素变化剧烈.边缘上的这种变化可以用微分算子检测出来,通常用一阶或二阶导数来检测边缘. 边缘检测边缘是位于两个区域的边界线上的连续像素集合 理