边缘检测与要求.pptVIP

边缘检测和要求;与轮廓 边缘是不同区域的分界线， 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，; 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??,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.; 轮廓是物体在场景中的完整边界． 边缘的连接构成轮廓.;术语定义 边缘点：在亮度显著变化的位置上的点． 边缘段：对应于边缘点坐标及其方位． 轮廓：边缘列表或一条表示边缘列表的拟合曲线． 边缘连接：从无序边缘表形成有序边缘表的过程． 边缘跟踪：一个用来确定轮廊的图像搜索过程．;边缘检测 ; 两种常见的边缘一阶导数和二阶导数示意图;图像;一阶导数在图像由暗变明的位置处有1个向上的阶跃，而其它位置都为0，这表明可用一阶导数的幅度值来检测边缘的存在，幅度峰值一般对应边缘位置;对(c)而言，脉冲状的剖面边缘与(a)的一阶导数形状相同，所以(c)的一阶导数形状与(a)的二阶导数形状相同，而它的2个二阶导数过0点正好分别对应脉冲的上升沿和下降沿，通过检测脉冲剖面的2个二阶导数过0点就可确定脉冲的范围; 基本思想： 函数导数反映图像灰度变化的显著程度． 一阶导数的局部极大值，二阶导数的过零点 一般过程： 去噪 增强 检测 定位;基本思想：计算局部 导数; 一阶导数法：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; 二阶导数法：用拉普拉斯算子来计算 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： 1）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。 2）0跨越，确定边的准确位置;梯度：一阶导数的二维等效式 梯度为矢量 ;Roberts 算子： 梯度交叉算子;Sobel算子： Soleb算子具有平滑效果;Prewitt算子：;边缘检测 给定图像中的一个 3*3区域，使用下面的边缘检测滤波器进行检测，它们都使用一阶导数;边缘检测 边缘检测问题;边缘检测 边缘检测举例 边缘检测中经常碰到的问题是： 图像中存在太多的细节。比如，前面例子中的砖墙 图像受到噪声的干扰，不能准确的检测边缘 解决的一个方法是在边缘检测之前对图像进行平滑;边缘检测 边缘检测举例;4.3 基于二阶导数法的边缘检测;拉普拉斯算子;这一近似式是以点 [ x+1,y] 为中心的． 用 x-1 替换 x :;用算子表示：;边缘检测 Laplacian 边缘检测;Sobel算子;1;拉普拉斯算子;1;拉普拉斯算子的分析： 缺点：对噪音的敏感；不能检测出边的方向 应用：拉普拉斯算子不直接用于边的检测，通常 只起辅助的角色； 检测一个像素是 在边的 亮的一边还是暗的一边利用零跨越，确定边的位置 ;拉普拉斯高斯算法 LoG算法—Marr 算子;边缘检测 高斯拉普拉斯 高斯拉普拉斯(Laplacian of Gaussian，LOG，或Mexican hat，墨西哥草帽)滤波器使用了Gaussian来进行噪声去除并使用 Laplacian来进行边缘检测;LoG算子的输出是通过卷积运算得到的，;拉普拉斯高斯边缘检测结果 ;原图;算子比较;算子比较;Canny 边缘检测算法;（1）高斯平滑滤波器;（3）幅值和方位角:;（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;（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