mvchp边缘检测.ppt

北京邮电大学自动化 *方向角： 非极大值抑制通过抑制梯度线上所有非屋脊峰值的幅值来细化M[i,j]中的梯度幅值屋脊．这一算法首先将梯度角θ[i,j]的变化范围减小到圆周的四个扇区之一，如图所示。四个扇区的标号为0到3，对应着3x3邻域内元素的四种可能组合，任何通过邻域中心的点必通过其中一个扇区． *幅值： 算法使用一个3x3邻域作用于幅值阵列M[i,j]的所有点．在每一点上，邻域的中心像素M[i,j]与沿着梯度线的两个元素进行比较，其中梯度线是由邻域的中心点处的扇区值ζ[i,j]给出的．如果在邻域中心点处的幅值M[i,j]不比沿梯度线方向上的两个相邻点幅值大，则M[i,j]赋值为零．这一过程可以把M[i,j]宽屋脊带细化成只有一个像素点宽．在非极大值抑制过程中，保留了屋脊的高度值． *幅值： 表示非极大值抑制过程．N[i,j]中的非零值对应着图像强度阶跃变化处的对比度．尽管在边缘检测的第一步对图像进行了平滑，但非极大值抑制幅值图像N[i,j]仍会包含许多由噪声和细纹理引起的假边缘段． 5）阈值化 * 将低于阈值的所有值赋零值，得到图像的边缘阵列． * 阈值τ太低?假边缘（假阳性）. * 阈值τ太高?部分轮廊丢失（假阴性）. * 选用两个阈值: 更有效的阈值方案． 基本思想： 取高低两个阈值t1,t2作用在幅值图N[i,j]，t1=2t2; 得到两个边缘图， 高阈值和低阈值边缘图; 连接高阈值边缘图，出现断点时，在低阈值边缘图 中的8邻点域搜寻边缘点。 算法6.1 Canny 边缘检测 (1)?用高斯滤波器平滑图像； (2)?用一阶偏导有限差分计算梯度幅值和方向； (3)?对梯度幅值应用非极大值抑制 ； (4)?用双阈值算法检测和连接边缘． ? * 边缘检测 Edge Detection 第 6 章 主讲课本： 1、贾云得，《机器视觉》，科学出版社，2000年 深度阅读： 1、D.A.Forsyth, J.Ponce, Computer Vision -- A modern approach，清华出版社，2004 2、Milan Sonka等著，艾海舟等译，《图像处理、分析与机器视觉》，人民邮电出版社，2003年 边缘(edge)是指图像局部强度变化最显著的部分．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， 图像分割、纹理特征和形状特征等图像分析的重要基础． 图像强度的不连续可分为： (1) 阶跃不连续，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) 线条不连续，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． 1、边缘检测的基本定义 两种常见的边缘一阶导数和二阶导数示意图 (a)阶跃函数 (b)线条函数 理论曲线 实际曲线 一阶导数 二阶导数 边缘点(Edge point) ：在亮度显著变化的位置上的点． 边缘段(Edge segment) ：对应于边缘点坐标及其方位． 边缘检测器(Edge detector) ：从图像中抽取边缘集合的算法． 轮廓(Boundary) ：边缘列表或一条表示边缘列表的拟合曲线． 边缘连接(Edge linking) ：从无序边缘表形成有序边缘表的过程． 边缘跟踪(Edge tracking)：一个用来确定轮廊的图像有哪些信誉好的足球投注网站过程． 2、术语定义 3、 梯度 梯度是一阶导数的二维等效式，定义为矢量 (1) 向量的方向就是函数增大时的最大变化率方向； (2) 梯度的幅值和方向: 用差分来近似梯度： 用简单卷积模板表示: 注意：与课本不同！ 采用上面公式计算的梯度近似值Gx和Gy并不位于同一位置，Gx实际上是内插点 [i+1/2,j]处的梯度近似值，Gy是内插点[i,j+1/2]处的梯度近似值．由于这个缘故，人们常常使用 一阶差分模板（而不用 或 模板）来求x和y的偏导数 。 基本步骤： （1）滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能．需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折衷． 4 、边缘检测算法 （2）增强：增强边缘的基础是确定图像各点邻域强度的变化值．增强算法可以将邻域（或局部）强度值有显著变化的点突显出来．边缘增强一般是通过计算梯度幅值来完成的． （3）检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并