第7章图像分割新.ppt

* 原图 水平方向 垂直方向 梯度 ?f ? |Gx| + |Gy| * Sobel算子 Roberts算子 Prewitt算子 原图 * 原图 Sobel算子 Prewitt算子 Roberts算子 * (a) Input image; (b) Gy component of the gradient; (c) Gx component of the gradient; (d) result of edge linking. * 拉普拉斯算子 一阶微分是一种矢量，不但有其大小，还有方向，和标量相比较，它数据存储量大，在具有相等斜率的宽区域上，有可能将全部区域都当作边缘提取出来 Lapplacian 算子是一种二阶导数算子，是不依赖于边缘方向的二阶微分算子，是一个标量而不是矢量，具有旋转不变即各向同性的性质，对一个连续函数f(x,y)，它在图像中位置(x,y)的拉普拉斯值定义为： * 拉普拉斯算子是无方向性的算子，它比前述计算多个方向导数算子的计算量要小，因为只需用一个模板，且不必综合各模板的值。 在数字图像中，计算函数的拉普拉斯也可以借助各种模板实现。这里对模板的基本要求是对应中心象素的系数应是正的，而对应中心象素邻近象素的系数应是负的，且所有系数的和应为0，这样就不会产生灰度偏移 -1 -1 -1 -1 4 -1 -1 -1 -1 4 -1 -1 -1 -1 -1 -1 -1 -1 8 在数字图像情况下的近似为： * 在计算的时候若需要保持灰度范围不变，应除以4。 例： 周边灰度为零 用拉氏算子经计算得 * * * * 拉普拉斯是一种二阶导数算子，所以对图像中的噪声相当敏感。在实际中，常常在进行平滑操作地同时进行二阶微分，如图所示是具有平滑效果的二阶微分算子操作。 另外它常产生双象素宽的边缘，且也不能提供边缘方向的信息。 由于以上原因，拉普拉斯算子很少直接用于边缘检测，而主要用于已知边缘象素后，确定该象素是在图像的暗区或明区一边。 另一方面，一阶差分算子会在较宽范围形成较大的梯度值，因此不适合于精确定位，而利用二阶差分算子过0点可以精确定位边缘 1 1 1 1 1 1 1 1 1 -4 -4 -4 -4 -4 -4 -4 -4 -4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 * Laplacian算子虽对边缘有响应，但对拐角、线条、线端点和孤立点响应更强。 平均值差分 解决导数算子对噪声很敏感的问题，先平滑，再进行差分。 * * * * * 彩色图像 彩色图像 * 彩色检测： 先对fr(x,y), fg(x,y), fb(x,y)分量进行梯度运算，求其平方和的平方根，得到彩色图像的边缘。 * 在某种彩色空间下进行肤色分割 对人脸候选区域根据特征进行人脸验证 * * * * 哈夫变换 设在原始图像空间(x,y)，直线方程为 直线上的任意点pi=(xi,yi)来说，它在由斜率和截距组成的变换空间(u,v)中应满足方程式 * 运用y=px+q的直线方程时，如果直线接近垂直方向，则会由于p和q的值都接近无穷而使计算量大增(因为累加器的尺寸将会很大)，此时可使用直线的极坐标方程，如图所示 ρ=xcosθ+ysinθ 这表明原图像空间中的一点(xi,yi)对应于(ρ，θ)空间中的一条正弦曲线，其初始角和幅值随xi和yi的值而变 * 若将XY空间中在同一条直线上的一个点序列变换到(ρ，θ)空间，则所有的正弦曲线都经过一个点(ρ0，θ0)，ρ0为这条直线到原点的距离，θ0为法线与x轴的夹角 hh:mm * hh:mm * Σ σ 西格玛　 hh:mm * Η η 伊塔 Κ κ 卡帕 hh:mm * Σ σ 西格玛　 hh:mm * Η η 伊塔 Κ κ 卡帕 * * * * 方向模板 * 哈夫变换 哈夫变换－利用图像全局特性而直接检测目标轮廓，即可将边缘象素连接起来组成区域封闭边界的常见方法 如果预先知道区域形状，利用哈夫变换可方便的得到边界曲线，而将不连续的边缘象素点连接起来 主要优点：受噪声和曲线间断的影响较小 * 哈夫变换的实质是对图像进行某种形式的坐标变换，即将原始图像中给定形状的曲线或直线变换成变换空间中的一个点。 也就是说，原始图像中给定形状的曲线和直线上的所有点都集中到变换空间的某个点上形成峰点。 这样，将原始图像中给定形状曲线或直线的检测问题，变成寻找变换空间中的峰点问题 * 设在原始图像空间(x,y)，直线方程为 直线上的任意点pi=(xi,yi)来说，它在由斜率和截距组成的变换空间(u,v)中应满足方程式 由此可知，在图像空间中共线的点，对应在变换空间中相交的线，反过来，在变换空间中相交