第五章-基元检测.pptVIP

图像空间中一条直线在参数空间(ρ, θ)中为一个点。 问题： 图像空间中的点在参数空间(ρ, θ)中表现为什么？ ρ =0 ρ=100 θ =0 θ=180 Hough直线拟合DEMO 已知某个边缘点，计算 θ 从0~180度的 ρ 值，在(ρ, θ)空间投票。 图像空间中一点对应于参数空间中一条曲线 图像空间中两点对应于参数空间中两条曲线，这两条曲线得交点，为两点一线的参数 图像空间中多个点对应于参数空间中多条曲线，这些曲线的共同交点，对应于所需拟合的直线 Hough直线拟合DEMO 圆的参数方程为： 包含了三个参数：p , q , r 图象空间中每个边缘点对应于参数空间中的圆形区域。 原图 Canny边缘检测 参数空间 (p,q ) 已知某个边缘点(x, y)，以其为圆心，在(p,q )空间绘制半径为r的圆, 该圆上的点即为圆心的投票. 检测结果 原图 对边缘不连续具有较好的容忍性 对噪声干扰具有较好的鲁棒性 对目标遮挡具有较好的抗干扰性 设有下图所示的一幅图像,分别计算用Roberts, Prewitt和Sobel算子得到的梯度图 99 91 2 6 30 92 95 7 8 9 75 65 50 6 3 73 60 53 56 25 55 80 74 55 55 99 91 2 6 30 92 95 7 8 9 75 65 50 6 3 73 60 53 56 25 55 80 74 55 55 4 84 6 3 27 45 1 5 15 12 6 19 13 14 2 1 1 0 0 -1 0 1 -1 0 取绝对值 1 93 1 22 20 58 42 3 8 10 47 53 5 27 18 30 取绝对值 Roberts 99 91 2 6 30 92 95 7 8 9 75 65 50 6 3 73 60 53 56 25 55 80 74 55 55 69 77 6 12 6 19 14 2 1 -1 1 -1 1 -1 1 取绝对值 58 42 3 10 47 53 27 18 30 取绝对值 1 1 1 -1 -1 -1 99 91 2 6 30 92 95 7 8 9 75 65 50 6 3 73 60 53 56 25 55 80 74 55 55 -1 1 -2 2 -1 1 取绝对值 取绝对值 1 2 1 -1 -2 -1 略... 略... 分别给出用下图所示的两个拉普拉斯模板处理图题5.1所示的图象所得到的结果 略... * 二阶导数在边缘处出现零交叉，即边缘点两边导数取异号，据此来检测边缘点。但很容易被噪声覆盖。 * 一阶导数（梯度）通过求极值判断边缘位置，噪声对其影响小 * 二阶导数过零点处为边缘，易被噪声覆盖 * * 当核像素处于图像中灰度一致区域时，USAN面积超过整个模板面积的一半以上。 当核像素处于图像中边缘时，USAN面积约为整个模板面积的一半。 当核像素处于图像中角点，USAN面积约为整个模板面积的1/4。 * * * 连续函数f (x,y)的马尔算子检测的数学公式表示： H(x,y)称马尔算子，或称LoG算子 LoG算子H(x,y)为轴对称函数 也称为墨西哥草帽算子 5x5的常用LoG模板 4邻域Laplacian算子结果 8邻域Laplacian算子结果 LoG算子结果 Canny 边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。更为重要的是 Canny 创立了边缘检测计算理论。 Canny 目标是找到一个最优的边缘检测算法。 最优边缘检测的含义是： 好的检测 -- 算法能标识图像中的实际边缘，避免噪声 和虚假边缘干扰。 好的定位 -- 标识出的边缘与实际图像中的实际边缘尽 可能接近。 最小响应 -- 对图像中的每个真实边缘点只有一个像素 响应。 步骤一： 选择合适的Gaussian滤波器平滑图像，滤除噪声。 步骤二： 采用Roberts或Sobel模板，计算每个像素的水平和垂直 梯度值，并计算其梯度方向和梯度幅值。 步骤三： 确定边缘方向 步骤四： 非最大值抑制：沿边缘方向抑制非最大值的像素 （不是边缘点） 步骤五：选择双阈值跟踪边缘（滞后阈值） 原始图像(Lena) 水平梯度图 垂直梯度图 梯度幅度图 最小边缘阈值 获取方向 theta = atan2(gy, gx) 若q点的值大于p和r点的值（插值获得），则q点为局部最大值，有可能是边缘点。 非最大值抑制前 非最大值抑制后 假定标记点为边缘点，根据边缘曲线的切线（梯度的法线）方向，预测下一个边缘点（r 或 s 点） 采用双阈值方