图像的边缘检测.pptxVIP

边缘检测算子;阶跃状：理想的数字边缘模型，这个模型生成的完美边缘是一组相连的像素的集合，每个象素都处在灰度级跃变的一个垂直的台阶上。 阶梯状：边缘被模拟成具有“类斜面”的剖面，斜坡部分与边缘的模糊程度成比例。在这个模型中，不再有细线（一个像素宽的线条）。阶梯状边缘处于图像中两个具有不同灰度值的相邻区域之间。 脉冲状：主要对应细条状的灰度值突变区域 屋顶状：边缘上升下降沿都比较缓慢;;边缘检测算子;;边缘检测算子;梯度算子;Roberts算子;Prewitt算子;Sobel算子;Kirsch算子（方向算子）; 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 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。 ;Sobel;拉普拉斯算子;拉普拉斯算子;拉普拉斯算子;Marr算子——Laplacian of a Gaussian（LOG）;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。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;由于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 检测过零点能提供较可靠的边缘位置。在该算子中，σ的选择很重要， σ小时边缘位置精度高，但边缘细节变化多； σ大时平滑作用大，但细节损失大，边缘点定位精度低。应根据噪声水平和边缘点定位精度要求适当选取σ。 下面是σ＝10时，Marr算子的模板：;;线的检测(Line Detection);线的检测;Hough变换检测法;Hough变换检测法;Hough变换基本原理;Hough变换的实现;设一条直线距原点的距离为 ， 为原点到直线的垂线与x轴之间的夹角。;基本思想 对于边界上的n个点的点集，找出共线的点集和直线方程。 对于直角坐标系中的一条直线l，可用ρ、θ来表示该直线，且直线方程为： 其中???ρ为原点到该直线的垂直距离，θ为垂线与x轴的夹角，这条直线是唯一的。 构造一个参数ρθ的平面，从而有如下结论：;Hough变换检测法;Hough变换检测法;算法步骤： 1．在ρ、θ的极值范围内对其分别进行m，n等分，设一个二维数组的下标与ρi、θj的取值对应； 2．对图像上的所有边缘点作Hough变换，求每个点在θj(j＝0，1，…，n)Hough变换后的ρi ，判断(ρi、θj)与哪个数组元素对应，则让该数组元素值加1； 3．比较数组元素值的大小，最大值所对应的(ρi、θj)就是这些共线点对应的直线方程的参数。;Hough变换检测法