边缘检测实验报告.docxVIP

PAGE PAGE # 图像边缘提取实验报告 一、 实验目的 通过课堂的学习，已经对图像分割的相关理论知识已经有了全面的了解， 知道了许多图像分割的算法及算子，了解到不同的算子算法有着不同的优缺点， 为了更好更直观地对图像分割进行深入理解，达到理论联系实际的目的，特制 定如下的实验。 二、 实验原理 检测图像边缘信息，可以把图像看做曲面，边缘就是图像的变化最剧烈的 位置。这里所讲的边缘信息包含两个方面：一是边缘的具体位置，即像素的坐 标；而是边缘的方向。微分算子有两个重要性质：定域性(或局部性)、敏感性(或 无界性)。敏感性就是说，它对局部的函数值变化很敏感，但是因其对变化过于 敏感又有了天然的缺陷一一不能抵抗噪声。局部性意思是指，每一点的导数只 与函数在该点邻近的信息有关。 主要有两大类基于微分算子的边缘检测技术：一阶微分算子边缘检测与二 阶微分算子边缘检测。这些检测技术采用以下的基本步骤： 将相应的微分算子简化为离散的差分格式，进而简化为模板 (记为 T)。 利用模板对图像f(m,n)进行运算，获得模板作用后的结果 Tf(m,n)。 提出阈值h,在采用一阶微分算子情形记录下高于某个阈值 h的位置 坐标 Sh 二{(m, n)|Tf(m, n) - h} (而采用二阶微分算子情形，一般是对某个阈值 ；弋确立 Sh ={( m, n) | Tf (m, n) 一 ；}) 对集合Sh进行整理，同时调整阈值 h。 Roberts 算子 Roberts算子是一种利用局部差分算子寻找边缘的算子，两个模板分别为 Rx =01 Rx = 01 -1 Ry ■0 -11 ：1 0- 则，Rxf(i,j) = f(i,j)-f(i 1,j 1) Ryf(i, j)=f(i 1,j)— f(i, j 1) 算法的步骤为： 首先用两个模板分别对图像作用得到 Rx f和Ryf ； 对Tf (i, j) =』Rx『 +|Ryp，进行阈值判决，若Tf (i, j)大于阈值则相应的点 位于便于边缘处。 对于阈值选取的说明：由于微分算子的检测性能受阈值的影响较大， 为此， 针对具体图像我们采用以下阈值的选取方法，对处理后的图像统计大于某一阈 值的点，对这些数据求平均值，以下每个程序均采用此方法，不再做说明。 Sobel算子 Sobel算子采用中心差分，但对中间水平线和垂直线上的四个邻近点赋予 略高的权重。两个模板分别如下： ，Z-1 0 1 ，Z1 2 1 Sx = -2 0 2 Sy = 0 0 0 1一10 1』 -1 -2 一1」 Prewitt 算子 Prewitt 算子也属于中心差分类型，但没有给最邻近点较高的权重，两个模 板如下： r-1 0 1、 5 1 1、 Px = -1 0 1 Py = 0 0 0 _1 0 b 厂1 -1 -b 采用一阶微分算子很难找到一个一致的阈值选择办法， 保证检测出的图像有 相对均匀的宽度，克服这个障碍的办法是改用二阶微分算子进行边缘检测定位。 Laplace 采用一阶微分算子很难找到一个一致的阈值选择办法， 保证检测出的图像有 相对均匀的宽度，克服这个障碍的办法是改用二阶微分算子进行边缘检测定位。 经常采用如下Laplace微分算子： TOC \o 1-5 \h \z f（x,y） -2 工 dx dy 并进而寻找f （-, y）的跨零点的位置（零点的局部正和负的取值都有）。 当然实践中可以通过模板来实现，本程序采用如下模板： 0 1 0 也=1 -41 ■0 1 0」 无论什么样的微分算子，直接用来进行边缘检测，会受到噪声很大的干扰。 即使是二阶微分算子也不能克服噪声干扰。但是如果采用高斯低通滤波，所得 的结果则比较好地保留了图像的边缘特征 Marr-Hildrech 的LOGi缘检测算法: 滤波：首先对图像f(xy)进行平滑滤波，其滤波函数根据人类视觉特性选为高 斯函数，即： TOC \o 1-5 \h \z G(兀Q) = e *_ + y2) 2toj亠 I 2如亠 ) 其中,G(x7y)是一个圆对称函数，其平滑的作弓是可通过(7来控制的.将图像G(hq) 与几工』)进行卷积，可以得到一个平滑的图像，即： 增强：对平滑團像g(xj)进行拉普拉斯运算，即： h^y) = V\ ) 检测^边缘检测判据是二阶导数的零交叉点(即加工/) = 0的点)并对应一阶 导数的较大峰值， 这种方法的特点是图像首先与高斯滤渡器进行卷积，这样既平滑了图像又降低了噪 声，孤立的噪声点和较小的结构组织将被滤除。但是由于平滑会造成图像边缘的延伸， 因此边缘检测器只考虑那些具有局部梯度最大值的点为边缘点。这一点可以用二阶导数 的零交叉点来实现.拉普拉斯函数用二维二阶导数的近似「是因为它是一种无方向算子。 在实际