数字图像处理之图像分割.pptVIP

1）梯度算子函数f(x,y)在(x,y)处的梯度为一个向量：?f=[?f/?x,?f/?y]计算这个向量的大小为：G=[(?f/?x)2+(?f/?y)2]1/2近似为:G?|?fx|+|?fy|或G?max(|?fx|,|?fy|)梯度的方向角为：φ(x,y)=tan-1(?fy/?fx)可用下图所示的模板表示：-111-1为了检测边缘点，选取适当的阈值T，对梯度图像进行二值化，则有：这样形成了一幅边缘二值图像g(x,y).特点:仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响。第30页，共70页，星期日，2025年，2月5日2）Roberts算子公式：模板：特点：与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度算子略好。-11fx’1-1fy’第31页，共70页，星期日，2025年，2月5日3)Prewitt算子公式模板：特点：在检测边缘的同时，能抑止噪声的影响.0-110-110-11-1-1-1000111第32页，共70页，星期日，2025年，2月5日4）Sobel算子公式模板特点：对4邻域采用带权方法计算差分；能进一步抑止噪声；但检测的边缘较宽。-220-110-110000-1-1-2112第33页，共70页，星期日，2025年，2月5日5）Kirsch算子（方向算子）模板3-530-533-533330-53-5-53333033-5-5-533303-5-53-533-503-533-5-53-503-5333-5-5-5033333-5-530-53333第34页，共70页，星期日，2025年，2月5日Kirsch算子特点在计算边缘强度的同时可以得到边缘的方向；各方向间的夹角为45o。Kirsch算子分析取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向；如果取最大值的绝对值为边缘强度，并用考虑最大值符号的方法来确定相应的边缘方向，则考虑到各模板的对称性，只要有前四个模板就可以了.6）Nevitia算子第35页，共70页，星期日，2025年，2月5日7）拉普拉斯算子定义：二维函数f(x,y)的拉普拉斯是一个二阶的微分定义为：?2f=[?2f/?x2,?2f/?y2]离散形式：模板：可以用多种方式被表示为数字形式。定义数字形式的拉普拉斯的基本要求是，作用于中心像素的系数是一个负数，而且其周围像素的系数为正数，系数之和必为0。对于一个3x3的区域，经验上被推荐最多的形式是： 11-4001001第36页，共70页，星期日，2025年，2月5日拉普拉斯算子的分析：优点：各向同性、线性和位移不变的；对细线和孤立点检测效果较好。缺点：对噪音的敏感，对噪声有双倍加强作用；不能检测出边的方向；常产生双像素的边缘。由于梯度算子和Laplace算子都对噪声敏感，因此一般在用它们检测边缘前要先对图像进行平滑。第37页，共70页，星期日，2025年，2月5日8）Marr算子Marr算子是在Laplacian算子的基础上实现的，它得益于对人的视觉机理的研究，有一定的生物学和生理学意义。由于Laplacian算子对噪声比较敏感，为了减少噪声影响，可先对图像进行平滑，然后再用Laplacian算子检测边缘。平滑函数应能反映不同远近的周围点对给定像素具有不同的平滑作用，因此，平滑函数采用正态分布的高斯函数，即：其中σ是方差。用h(x,y)对图像f(x,y)的平滑可表示为：*代表卷积。令r是离原点的径向距离，即r2=x2+y2。第38页，共70页，星期日，2025年，2月5日对图像g(x,y)采用Laplacian算子进行边缘检测，可得：这样，利用二阶导数算子过零点的性质，可确定图像中阶跃边缘的位置。称为高斯－拉普拉斯滤波算子，也称为LOG滤波器，或“墨西哥草帽”。一维LOG函数及其变换函数?2h-σσ第39页，共70页，星期日，2025年，2月5日由于Marr算子的平滑性质能减少噪声的影响，所以当边缘模糊或噪声较大时，利用检测过零点能