图像处理和边沿提取.pptVIP

* * * * * 边缘连接法 边缘连接法 边缘连接的意义——边缘检测算法的后处理。 由于噪声、不均匀的照明等原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断。 因此典型的边检测算法后面总要跟随着连接过程，用来归整边像素，成为有意义的边。 局部连接处理（边界闭合） 1 连接处理的时机和目的 时机：对做过边缘检测的图像进行。 目的：连接间断的边。 局部连接处理（边界闭合） 2 连接处理的原理 1)做过边缘检测后，对每个边缘点(x,y)的邻域内像素的特点进行分析。 2)分析在一个小的邻域（3?3或5?5）中进行。 3)用比较梯度算子的响应强度和梯度方向确定两个点是否同属一条边。 点(x,y) 点(x’,y’) 6.1.3.1 局部连接处理（边界闭合） 通过比较梯度，确定两个点的连接性： 对于点(x’,y’)，判断其是否与邻域内的点 (x,y)相似，当： ||?f (x,y)| – |?f (x’,y’)|| ? T 其中T是一个非负的阈值。 局部连接处理（边界闭合） 比较梯度向量的方向角 对于点(x’,y’)，判断其是否与邻域内的点 (x,y)的方向角相似，当： |? (x,y) – ? (x’,y’)| A 其中A是一个角度阈值。 局部连接处理（边界闭合） 当梯度值和方向角都是相似的，则点(x’,y’)，与边点界(x,y)是连接的。 点(x,y) 点(x’,y’) * * * * * * * * * * * * * * * * * * * * * * * * * * 图像处理和边沿提取 间断(DISCONTINUITIES)分割（非连续性分割） 1 点检测 2 线检测 3 边缘检测 点检测 R = (-1 * 8 * 8 + 128 * 8) / 9 = (120 * 8) / 9 = 960 / 9 = 106 设 ：阈值：T = 64 R T 8 8 8 8 128 8 8 8 8 图像 -1 -1 -1 -1 8 -1 -1 -1 -1 模板 点检测(Point Detection) 用空域的高通滤波器来检测孤立点。 例： 点检测 点检测——算法描述 设定阈值 T，如T = 32、64、128等,并计算高通滤波值R。 如果R值等于0，说明当前检测点的灰度值与周围点的相同。 当R的值足够大时，说明该点的值与周围的点非常不同，是孤立点。通过阈值T来判断 若|R| T，则检测到一个孤立点。 线检测 线检测(Line Detection) 通过比较典型模板的计算值，确定一个点是否在某个方向的线上。 -1 -1 -1 2 2 2 -1 -1 -1 水平模板 -1 -1 2 -1 2 -1 2 -1 -1 45度模板 -1 2 -1 -1 2 -1 -1 2 -1 垂直模板 2 -1 -1 -1 2 -1 -1 -1 2 135度模板 线检测 用4种模板分别计算 R水平 = -6 + 30 = 24 R45度 = -14 + 14 = 0 R垂直 = -14 + 14 = 0 R135度 = -14 + 14 = 0 1 1 1 5 5 5 1 1 1 1 1 1 5 5 5 1 1 1 1 1 1 5 5 5 1 1 1 实例： 图像 -1 -1 -1 2 2 2 -1 -1 -1 水平模板 -1 -1 2 -1 2 -1 2 -1 -1 45度模板 线检测 线的检测——算法描述 依次计算4个方向的典型检测模板，得到Ri i=1,2,3,4 如 |Ri| |Rj| ，j≠i，那么这个点被称为在方向上更接近模板i 所代表的线。 设计任意方向的检测模板 可能大于3?3 模板系数和为0 感兴趣的方向的系数大。 边缘检测(EDGE DETECTION) 1 边缘的定义 图像中灰度发生突变或不连续的微小区域（一组相连的像素集合）,即是两个具有相对不同灰度值特性的区域的边界线。 在一幅图像中，边缘有方向和幅度两个特性。一般认为沿边缘走向的灰度变化较为平缓，而垂直于边缘走向的灰度变化剧烈。即灰度梯度指向边缘的垂直方向。 边缘检测 2 基本思想 计算局部微 分算子。 截面图 边缘图像 边缘检测 一阶微分：用梯度算子来计算 特点：对于左图，左侧的边是正的（由暗到亮），右侧的边是负的（由亮到暗）。对于右图，结论相反。常数部分为零。 ? 用途：用于检测图像中边的存在。 边缘检测 二阶微分：通过拉普拉斯来计算 特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。 0 -1 -1 4 0 -1 0 -1 0 边缘检测 用途： 1）二次导数的符号，用于确定边上的像素