峰值为边缘的位置图像梯度算子的近似Sobel算子Prewitt算子LOG算子.PPT

第5章 边缘检测与图像分割 ;5.3 边缘检测边缘的定义（W;边缘的物理意义图像边缘的产生 ;边缘的定义定义：“边缘是图像中;灰度图像中边缘的类型阶梯状边缘;为什么要提取边缘？边缘是最基本;如何提取边缘？（灰度图象）灰度;图像微分算子一阶微分算子（梯度;微分算子检测边缘：一维信号一阶;由上述分析可以得出以下结论： ;微分算子检测边缘：二维信号一阶;微分算子检测边缘：二维信号二阶;在数字图像上计算梯度一维的情况;补充知识：卷积运算图像（二维数;无标题;无标题;无标题;无标题;无标题;无标题;无标题;无标题;无标题;在数字图像上计算梯度使用差分运;噪声的影响：一维信号的例子从图;解决方法之一，首先进行滤波峰值;利用卷积运算的性质：峰值为边缘;图像梯度算子的近似Sobel算;Prewitt算子-101-1;Sobel算子-101-202;常见的梯度算子(a): Rob;Sobel, Prewitt ;在数字图像上计算二阶微分拉普拉;??普拉斯算子的特点拉普拉斯算子;Laplacian of Ga;高斯拉普拉斯Laplacian;二维边缘微分滤波器LoG算子:;在数字图像上实现LoG00-1;LoG：例子（a）Lenna ;LoG：例子（d）将(c)中大;图5-15是Prewitt算子;图5-15 三种边缘检测;3. Canny边缘检测　　;为了便于处理，需要将梯度方向量;Canny边缘检测算法算法基本;计算图像梯度：高斯函数的一阶导;计算图像梯度：高斯函数的一阶导;计算图像梯度：高斯函数的一阶导;如何检测边缘？局部极值周围存在;非极大值抑制 NMS非极大值抑;非极大值抑制 NMS 在梯度方;对NMS结果进行二值化对上述得;使用双阈值检测边缘两个阈值T1;边缘连接将E2(x,y)中相连;Canny算子：流程原始图像原;Canny算子：流程梯度幅值图;Canny算子：流程低阈值边缘;使用Canny算子需要注意的问;渐增高斯滤波模版的尺寸;渐增双阈值的大小，保持low ;无标题;无标题;边缘检测小结边缘检测是计算机视;推荐文献阅读J.Canny, ;图5-16 几种边缘检测;5.3.3 哈夫变换 　　在;1. 直线检测　　在图像空间;哈夫变换需要建立一个累加数组，;假设a和b量化之后的可能取值分;如果需要检测的直线接近竖直方向;式中： ρ表示原点到直线的距;图5-17 直线的极坐标表;直线的Hough 变换;2. 圆的检测　　圆的直角坐;圆的极坐标系方程为　　　　　　;3. 任意曲线检测 　哈夫变;(3) A的局部最大值对应图像;图像分割引言图像分割是将图像划;图5-1 4连通和8连通 4;图像分割的概念把图像分解成构成;图像分割的基本思路从简到难，逐;图像分割的基本思路从简到难，逐;图像分割的基本思路控制背景环境;图像分割的基本思路把焦点放在增;图像分割的基本策略图像分割的基;图像分割的基本策略根据图像像素;相似性阈值分割法面向区域的分割;5.1 阈值分割5.1.1 ;阈值分割过程如下： 首先确定;在编程实现时， 也可以将目标;阈值分割的关键是如何确定适合的;图5-1 不同阈值对图像;当图像目标和背景之间灰度对比较;图5-2 直方图具有双峰;确定全局阈值的方法很多，如极小;1． 极小点阈值法　　如果将直;2． 迭代阈值法　　迭代阈值算;设定常数T0的目的是为了加快迭;假定图像中仅包含两类主要的灰度;如图5-3所示，如果设置一个阈;图5-3 灰度概率密度函;总的误差概率E(T)为 (5-;由式(5-9)可以看出，当P1;(5-10) 式中：μ1和μ2;A、B、C分别为(5-12) ;若目标与背景像素出现的概率相等;4. Otsu法(大津法)　;设图像总像素数为N，灰度级总数;设有M-1个阈值(0≤t1＜t;由此可得类内方差为(5-20);5. p参数法　　p参数法的基;5.1.3 局部阈值　　当图;1. 直方图变换法　　直方图变;这样，新直方图中对应的波峰基本;图5-4 灰度级平均梯度变;2. 散射图法　　散射图也可看;图5-5 图像的灰度和梯;由图可见，散射图中有两个接近横;5.1.4 动态阈值　　在许;图像分解之后，如果子图像足够小;图5-6 自适应阈值分割;下面简要介绍一种动态阈值方法，;5.2 基于区域的分割5.2;图5-7 区域生长示例;区域生长法需要选择一组能正确代;5.2.2 区域分裂与合并　;图5-8 区域分裂与合并;下面以一个简单的例子来说明区域;图5-9 区域分裂与合并;首先计算出全图的灰度均方差为σ;5.4 区域标记与轮廓跟踪5;1. 递归标记 　递归标记算;2. 序贯标记　　8连通区域;4连通区域的序贯标记算法