Matlab图像锐化处理及边缘检测.docVIP

Matlab图像锐化处理及边缘检测 Matlab图像锐化处理及边缘检测 PAGE / NUMPAGES Matlab图像锐化处理及边缘检测 Matlab 图像锐化办理及边沿检测 本章重点： 图像边沿锐化的基本方法 微分运算 梯度锐化 边沿检测 6． 1 图像边沿锐化的基本方法 物体的边沿是以图像局部特征不连续性的形式出现。 实质上面沿常意味着一个地区的终 结和另一个地区的开始。 图像边沿信息在图像剖析和人的视觉中都是十分重要的， 是图像识 别中提取图像特点的一个重要特征。 图像的边沿有方向和幅度两个特征。 往常，延边沿走向 的像素变化缓和，而垂直于边沿走向的像素变化强烈。边沿的描绘包含以下几个方面： （ 1） 边沿点——它两边像素的灰度值有明显的不一样。 边沿点也存在于这样一对邻点之 间即一个在较亮的地区内部，另一个在外面。 2）边沿法线方向——在某点灰度变化最强烈的方向，与边沿方向垂直。 3）边沿方向——与边沿法线方向垂直，是目标界限的切线方向。 4）边沿地点——边沿所在的坐标地点。 5）边沿强度——沿边沿法线方向图像局部的变化强度的量度。 大略地域分边沿种类能够有两种， 其一是阶跃状边沿， 它两边像素的灰度值有明显的不 同，其二是屋顶状边沿， 它位于灰度值从增添到减少的变化转折点。 这些变化分别对应光景中不一样的物理状态。 边沿是图像上灰度变化比较强烈的地方， 假如一个像素落在图像中某一个物体的界限上， 那么它的邻域将成为一个灰度级的变化带。 对这种变化最实用的两个特点是灰度的变化率和方向， 在灰度变化突变处进行微分， 将产生高值。 经典的边沿提取方法是考虑图像的每个像素在某个领域内的变化， 利用边沿周边一阶或二阶方导游数变化规律， 来检测边沿。 图像灰度值的明显变化能够用一阶差分代替一阶微分的梯度来表示， 它们分别以 梯度向量的幅度和方素来表示。 所以图像中峻峭边沿的梯度值将是很大的； 那些灰度变化平 缓的地方，梯度值是比较小的；而那些灰度值同样的地方，梯度值将为零。图像经过梯度运 算能敏捷地检测出界限限，这种微分边沿检测算子运算简单易行，但有方向性。 利用计算机进行图像锐化办理有两个目的，一是与柔化办理相反，加强图像边沿，使 模糊的图像变得更为清楚起来， 颜色变得鲜亮突出， 图像的质量有所改良， 产生更适合人观 察和识其余图像， 本章的梯度锐化就是介绍这方面的内容。 二是希望经过锐化办理后， 目标 物体的边沿鲜亮，以便于计算机提取目标物体的界限、对图像进行切割、目标地区辨别、区 域形状提取等， 为图像理解和剖析打下基础， 目前它已成为机器视觉研究领域最活跃的课题 之一，在工程应用中据有十分重要的地位，本章的边沿检测算子就是介绍这方面的内容。 与图像光滑办理相对应，图像锐化也能够分为空间域图像锐化法和空间频次域图像锐 化法两大种类。 空间频次域图像锐化的方法将在第九章介绍， 本章介绍边沿加强及边沿检测 的方法，鉴于空间域办理，为切割及目标物体特点提取打下基础。 微分运算 边沿是由相邻域灰度级不一样像素点构成的， 若想加强边沿， 就应当突出相邻点间灰度 级的变化。以下列图所示，不难发现原图中左侧暗，右侧亮，中间存在着一条显然的界限。 0 0 1 255 255 255 255 1 1 1 254 253 254 254 0 0 0 255 255 253 253 1 1 0 254 254 254 254 注意：因为计算机显示屏幕的坐标原点在视窗的左上角， 显示屏幕的坐标系如图 6-1 所示。 (0,0) x f(x,y) y 图 6-1 显示屏幕的坐标系 为了与 f ( x,y) 表示法相一致，图像 f(i,j) 中的 i 代表列， j 代表行。假如用右列减 去左列，即每一个像素的值为： G ( i, j ) = f ( i , j )- f ( i-1, j ) 结果以下： 01254 0 00 00253-1 10 00255 0-20 0-1254 0 00 能够看出，第 3 列比其余列的灰度值高好多，在界限周边，灰度值有显然的跳变，人眼 察看时， 就能发现一条很显然的亮边； 在灰度周边的地区内， 这么做的结果使得该点的灰度 值靠近于 0，地区都很暗。 这样， G ( i, j ) = f ( i , j )- f ( i-1, j ) 就起到了垂直边沿检测的作用。 如对于上面那幅图像转置，获取以下列图像数据： 0 1 0 1 0 1 0 1 1 1 0 0 255 254 255 254 255 253 255 254 255 254 253 254 255 254 253 254 该边沿是水平方向的，这时假如还用左列减去右列就得不到界限数据，一定是下一行 减去上一行，即每一个像素的值为： G (