数字图像处理技术[文字可编辑].ppt

Canny 边缘检测法 Canny 边缘检测是一种比较新的边缘检测算子 , 具有很好的边缘监测性能 , 在图像处理中得到了越来越 广泛的应用。它依据图像边缘检测最优准则设计 Canny 边缘检测算法 : (1) 首先用 2D 高斯滤波模板进行卷积以消除噪声。 (2) 利用导数算子找到图像灰度地沿着两个方向的偏导数 (Gx,Gy), 并求出梯度的大小 。 (3) 利用 (2) 的结果计算出梯度的方向。 (4) 一旦知道了边缘的方向 , 就可以把边缘的梯度方向大致分为四种 : 水平、竖直、 45 度方向、 135 度方 向。通过梯度的方向 , 就可以找到这个像素梯度方向的邻接像素。 (5) 遍历图像 , 若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大的 , 那么这个像素 值置为 0, 即不是边缘。 (6) 使用累计直方图计算两个阈值 , 大于高阈值的一定是边缘 , 小于低阈值的一定不是边缘 , 介于之间的 , 看这个像素的邻接像素中有没有超过高阈值的边缘像素 , 如果有的话那么它就是边缘了 , 否则它就不是边 缘。 算法： 特点： Canny 方法不容易受噪声干扰 , 能够检测到真正的弱边缘。优点在于 , 使用两 种不同的阈值分别检测强边缘和弱边缘 , 并且当弱边缘和强边缘相连时 , 才将 弱边缘包含在输出图像中。 数字图像处理技术 主要内容 1. 图像预处理技术 ? 图像降噪 ? 图像增强 ? 图像拼接 2. 图像区域检测技术 ? 图像分割 图像降噪预处理 产生原因 数字图像的噪声主要源于图像的获取和传输过程。 钢板表面图像噪声主要类型 ? 高斯噪声： 电子电路噪声和由低照明度和高温带来的传感器噪声。 ? 脉冲噪声： 主要表现在成像中的短暂停留，例如错误的开关操作。 基本方法 ? 平滑滤波 ? 中值滤波 图像的平滑 ? ? ? ? ? ? ? ? ? ? ? 1 1 1 1 . 1 1 1 1 1 9 1 作用 ：用于图像的模糊处理，减小噪声。 原理 ：通过模板操作实现一种邻域运算，即某个象素点的结果灰度不仅和 该象素灰度有关，而且和其邻域点的值有关。 如图所示为两种常见的平滑模板（均值滤波），中间的黑点表示中心元素， 即，用哪个元素做为处理后的元素。 ? ? 4 1 BOX 模板，未考虑位置的影响 高斯模板，考虑了位置的影响 ? ? ? ? ? ? ? ? ? 1 2 1 2 . 2 2 1 16 1 均值滤波 图 1 原图 图 2 均值滤波 图 3 阈值处理 图 2 采用 15 × 15 均值模板进行处理 中值滤波 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 1 6 1 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 所谓中值滤波，是指把以某点 (x ， y) 为中心的小窗口内的所有象素的灰度按 从大到小的顺序排列，将中间值作为 (x ， y) 处的灰度值。 原图 中值滤波过的图 图中数字代表该处的灰度。可以看出原图中间的 6 和周围的灰度相差很大，是一 个噪声点。经过 3 × 1 窗口 ( 即水平 3 个象素取中间值 ) 的中值滤波，得到右边那幅 图，可以看出，噪声点被去除了。 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0 0 0 0 0 0 1 1 1 0 0 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 平滑滤波与中值滤波的对比与应用 从原图中不难看出左边区域灰度值低，右边区域灰度值高，中间有一条明显的边界 , 这一类图象称之为“ step ” ( 就象灰度上了个台阶 ) 。应用平滑模板后，图象平滑了， 但是也使边界模糊了。应用中值滤波，就能很好地保持原来的边界。 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 1 1 1 0 0 0 1 1 4 3 4 1 0 0 1 1 3 2 3 1 0 0 1 1 1 0 0 0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 1 3 2 3 1 0 12 11 3 2 3 1 12 1 9 8 3 2 3 1 9 1 1 3 2 3 1 0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 1 4 3 4 1 0 16 15 16 11 16 5