光机电应用技术创客 机器视觉检测技术 机器视觉检测技术ch3-5.pptVIP

实际边缘 实际上，光学系统、取样和其他图像采集的不完善性使得到的边缘是模糊的 模糊的程度取决于图像采集系统的性能、取样率和获得图像的照明条件等因素 光机电应用技术国家教学资源库 边缘概念 因此边缘应被更精确地模拟成具有“类斜面”的剖面 一阶微分法（用梯度算子来计算） 特点：对于亮的边，边的变化起点是正的，结束是 负的；对于暗边，结论相反；常数部分为零 用途：用于检测图像中边的存在 光机电应用技术国家教学资源库 机器视觉检测中常用的边缘检测技术 梯度算子 梯度算子是一阶导数算子 对1个连续函数f (x, y)，它在位置(x,y)的梯度可表示为 光机电应用技术国家教学资源库 边缘检测技术-一阶微分法 幅度 方向角 梯度算子 在实际图像处理中，常用小区域模板卷积来近似计算偏导数 对Gx和Gy各用1个模板，故需要2个模板组合起来以构成1个梯度算子 在边缘灰度值过渡比较尖锐且图像中噪声比较小时，梯度算子效果好 光机电应用技术国家教学资源库 边缘检测技术-一阶微分法 Roberts梯度算子 得到Z5点处的一阶偏导数的最简单方法，即是使用Roberts交叉梯度算子 光机电应用技术国家教学资源库 边缘检测技术-一阶微分法 Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 -1 0 0 1 0 -1 1 0 Robert算子边缘检测图 原始图形 Prewitt梯度算子 2×2模板由于没有清楚的中心点所以很难使用 改进为使用3×3大小的模板 光机电应用技术国家教学资源库 边缘检测技术-一阶微分法 Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 -1 -1 -1 0 0 0 1 1 1 -1 0 1 -1 0 1 -1 0 1 原始图形 Prewitt算子边缘检测图 Sobel梯度算子 在Prewitt算子的基础上增加一个权值2，用于通过增加中心点的重要性而实现某种程度的平滑效果 光机电应用技术国家教学资源库 边缘检测技术-一阶微分法 Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 原始图形 Sobel算子边缘检测图 二阶微分法（用拉普拉斯来计算） 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 用途：用于确定边上的像素是在亮边或暗边 ，而0用于确定边的准确位置 光机电应用技术国家教学资源库 机器视觉检测中常用的边缘检测技术 0 -1 -1 4 0 -1 0 -1 0 Laplacian（拉普拉斯）算子 微分 差分 光机电应用技术国家教学资源库 边缘检测技术-二阶微分法 0 1 0 1 -4 1 0 1 0 1 1 1 1 -8 1 1 1 1 两种常用的拉普拉斯算子模板 原始图形 拉普拉斯算子边缘检测图 ? Roberts算子 Roberts算子利用局部差分算子寻找边缘 边缘定位精度较高；但容易丢失一部分边缘 由于图像没经过平滑处理，因此不具备抑制噪声的能力 对具有陡峭边缘且含噪声少的图像效果较好 光机电应用技术国家教学资源库 常用边缘检测算子之比较 ? Prewitt算子和Sobel算子 都是对图像先做加权平滑处理后，再做微分运算 所不同的是平滑部分的权值有些差异，故对噪声具有一定的抑制能力；但不能完全排除检测结果中出现的虚假边缘 这两个算子边缘定位效果不错；但检测出的边缘容易出现多像素宽度 光机电应用技术国家教学资源库 常用边缘检测算子之比较 ? Laplacian算子 是不依赖于边缘方向的二阶微分算子 对图像中的阶跃型边缘点定位准确 对噪声非常敏感，并会使噪声成分得到加强 这种特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，且抗噪声能力比较差 光机电应用技术国家教学资源库 常用边缘检测算子之比较 原始图像 Roberts算子边缘检测图 光机电应用技术国家教学资源库 常用边缘检测算子之比较 Prewitt算子边缘检测图 Sobel算子边缘检测图 Laplacian算子边缘检测图 光机电应用技术国家教学资源库 课程小结 本次课程主要介绍 边缘检测在机器视觉检测中的重要性 机器视觉检测中常用的边缘检测技术 一阶微分法：Roberts, Prewitt, Sobel等算子 二阶微分法：Laplacian（拉普拉斯）算子 常用边缘检测算子之比较 光机电应用技术国家教学资源库 作业布置 请写出两种常用的 拉普拉斯算子模板 2. 作业 比较Prewitt和Sobel两种 算子的边缘检测效果 1. * * 光机电应用技术国家教学资源库 第六章 图像分割和分析 光机电应用技术国家教学