第十章 图像分割.pptVIP

? ? 2 f ? 2 f 拉普拉斯算子 图像函数的拉普拉斯变换定义为 ? 2 f ? ? ?x 2 ?y 2 ?2 f ? 4z5??z2 ? z4 ? z6 ? z8 ? ?2 f ? 8z5??z1 ? z2 ? z3 ? z4 ? z6 ? z7 ? z8 ? z9 ? z1 z2 z3 z4 z5 z6 z7 z8 z9 ? ? ? ? ? ? 拉普拉斯算子 拉普拉斯算子总结 ? ? 缺点： 拉普拉斯算子对噪声具有敏感性 拉普拉斯算子的幅值产生双边缘 拉普拉斯算子不能检测边缘的方向 优点： 可以利用零交叉的性质进行边缘定位 可以确定一个像素是在边缘暗的一边还是亮的 一边 ? 2 2 ? r ? ? 2 ? ? r 2 2 ? 拉普拉斯算子 拉普拉斯算子与平滑过程一起利用零交 叉找到边缘 h?r? r2 ? ?e2? r2 ? x2 ? y2 ? 是标准差 ? h?r ? ? ? ? 4 ? ? ? 2 ? e 2? ? 上式称为高斯型的拉普拉斯算子LoG 拉普拉斯算子 三维曲线 横截面 图像：白色是正值区域，黑色是负值区域， 灰色是零值区域 近似的5×5模板：一个正的 中心项，周围是一个相邻的 负值区域，并被一个零值的 外部区域包围。系数的总和 为零 ? ? ? ? 拉普拉斯算子 高斯型拉普拉斯算子总结 高斯型函数的目的是对图像进行平滑 处理 拉普拉斯算子的目的是提供一幅用零 交叉确定边缘位置的图像 平滑处理减少了噪声的影响 例：通过零交叉检测边缘 原图 空间高斯型平滑函数 LoG检测结果 Sobel算子检测结果 拉普拉斯算子模板 检测边缘：寻找零交 叉点，检测黑色和白 色区域之间的过渡点 对LoG图像设置阈值的结果，所有正值区 域为白色，所有负值区域为黑色 ? ? ? ? ? ? 拉普拉斯算子 结论（对比二阶拉普拉斯算子和一阶 Sobel梯度算子） ? ? 缺点 边缘由许多闭合环的零交叉点决定 零交叉点的计算比较复杂 优点 零交叉点图像中的边缘比梯度边缘细 抑制噪声的能力和反干扰性能 结论：梯度算子具有更多的应用 ? ? ? 图像分割 ? ? ? 概述 间断检测 边缘连接和边界检测 阈值处理 基于区域的分割 分割中运动的应用 ? ? ? 图像分割 边缘连接和边界检测 为什么需要边缘连接？ ? 局部处理 整体处理之霍夫变换 ? ? ? 图像分割 为什么需要边缘连接？ 由于噪声、照明等产生边缘间断，使得一组 像素难以完整形成边缘 因此，在边缘检测算法后，使用连接过程将 间断的边缘像素组合成完整边缘 ? ? ? ? 图像分割 ? 局部处理 分析图像中每个边缘点(x,y)的一个邻域内 的像素，根据某种准则将相似点进行连接，由 满足该准则的像素连接形成边缘 如何确定边缘像素的相似性 边缘像素梯度算子的响应强度 边缘像素梯度算子的方向 ? ? ? Gy ? ? G ? 图像分割 边缘像素梯度算子的响应强度 如果 ?f ?x, y? ? ?f ?x0 , y0 ? ? E 则(x,y)邻域内坐标为(x0,y0)的边缘像素，在幅 度上相似于(x,y)的像素 边缘像素梯度算子的方向 如果 ? ?x, y? ? ? ?x0 , y0 ? ? A, ? ?x, y? ? arctan? ? ? x ? 则(x,y)邻域内坐标为(x0,y0)的边缘像素，在角度 上相似于(x,y)的像素 边缘局部处理例子 原始图像：检测车牌牌照 Sobel算子的Gx分量 Sobel算子的Gy分量 边缘连接的结果 美国牌照的长宽 比例是2:1 通过Hough变换进行整体处理 ? Hough变换 ? 问题的提出 ? Hough变换的基本思想 ? 算法实现 ? Hough变换的扩展 ? ? 通过Hough变换进行整体处理