《边缘检测》PPT课件.pptx

《《边缘检测》PPT课件.pptx》由会员分享，可在线阅读，更多相关《《边缘检测》PPT课件.pptx（19页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、图像的边缘是图像的最基本特征，边缘点图像的边缘是图像的最基本特征，边缘点是指图像中周围像素灰度有阶跃变化或屋是指图像中周围像素灰度有阶跃变化或屋顶变化的那些像素点，即灰度值导数较大顶变化的那些像素点，即灰度值导数较大或极大的地方。图像属性中的显著变化通或极大的地方。图像属性中的显著变化通常反映了属性的重要意义和特征。常反映了属性的重要意义和特征。边缘检测是图像处理和计算机视觉中的基边缘检测是图像处理和计算机视觉中的基本问题，其用途在于标识数字图像中亮度本问题，其用途在于标识数字图像中亮度变换明显的点。变换明显的点。边缘检测能够大幅度地减少数据量，并且边缘检测能够大幅度地减少数据量，并且剔除那些

2、被认为不相关的信息，保留图像剔除那些被认为不相关的信息，保留图像重要的结构属性。重要的结构属性。原始原始图像像平滑平滑图像像锐化化图像像二二值图像像边缘图像像基本步骤如图所示：基本步骤如图所示：平滑滤波：由于梯度计算容易受到噪声的影响，因此第一步是用滤波去除噪声。但是，降低噪声的平滑能力越强，边界强度的损失也越大。锐化滤波：为了检测边界，必须确定某点领域中灰度的变化。锐化操作加强了存在有意义的灰度局部变化位置的像素点。边缘判定：图像中存在许多梯度不为零的点，但对于特定应用，不是所有点都有意义。这就要求我们根据具体情况选择和去除处理点，具体的方法包括二值化处理和过零检测等。边缘连接：将间断的边缘

3、连接成为有意义的完整边缘，同时去除假边缘。主要方法是Hough变换。通常可以将边缘检测的方法分为两类：基于查找的通常可以将边缘检测的方法分为两类：基于查找的算法和基于零穿越的算法。除此之外还有算法和基于零穿越的算法。除此之外还有Canny边缘边缘检测算法、统计判别方法等。检测算法、统计判别方法等。基于查找的方法基于查找的方法是是指通过指通过寻找图像的一阶导数中的寻找图像的一阶导数中的最大和最小值来检测边缘。通常将边界定位在梯度变最大和最小值来检测边缘。通常将边界定位在梯度变化最大的方向，是基于一阶导数的边缘检测算法。化最大的方向，是基于一阶导数的边缘检测算法。基于零穿越的方法基于零穿越的方法是

4、指通过寻找图像二阶导数零穿是指通过寻找图像二阶导数零穿越来寻找边界。通常是拉普拉斯过零点或者非线性差越来寻找边界。通常是拉普拉斯过零点或者非线性差分表示的过零点，是基于二阶导数的边缘检测算法。分表示的过零点，是基于二阶导数的边缘检测算法。基于一阶导数的边缘检测算子包括基于一阶导数的边缘检测算子包括Roberts算子、算子、Sobel算子、算子、Prewitt算子等，它们都是梯度算子；基算子等，它们都是梯度算子；基于二阶导数的边缘检测算子主要是高斯于二阶导数的边缘检测算子主要是高斯拉普拉斯边拉普拉斯边缘检测算子缘检测算子。Roberts算子利用局部差分算子寻找边缘，边缘定算子利用局部差分算子寻找

5、边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没位精度较高，但容易丢失一部分边缘，同时由于图像没有经过平滑处理，因此不具备抑制噪声的能力。该算子有经过平滑处理，因此不具备抑制噪声的能力。该算子对具有陡峭边缘且含噪声小的图像效果较好。对具有陡峭边缘且含噪声小的图像效果较好。Sobel算子和算子和Prewitt算子都考虑了领域信息，相当算子都考虑了领域信息，相当于对图像先做加权平滑处理，然后再做微分运算，所不于对图像先做加权平滑处理，然后再做微分运算，所不同的是平滑部分的权值有些差异，因此对噪声有一定的同的是平滑部分的权值有些差异，因此对噪声有一定的抑制能力，但不是能完全排除检测结果中

6、出现的虚假边抑制能力，但不是能完全排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。缘容易出现多像素宽度。3.Canny边缘检测算子边缘检测算子 前面前面介绍的几种都是基于微分方法的边缘检测算法，介绍的几种都是基于微分方法的边缘检测算法，他们都只有在图像不含噪声或者首先通过平滑去除噪声他们都只有在图像不含噪声或者首先通过平滑去除噪声的前提下才能正常应用。的前提下才能正常应用。在在图像边缘检测中，抑制噪声和边缘精确定位是无法图像边缘检测中，抑制噪声和边缘精确定位是无法同时满足的，一些边缘检测算法通过平滑

7、滤波去除噪声同时满足的，一些边缘检测算法通过平滑滤波去除噪声的同时，也增加了边缘定位的不确定性；而提高边缘检的同时，也增加了边缘定位的不确定性；而提高边缘检测算子对边缘敏感性的同时，也提高了对噪声的敏感性。测算子对边缘敏感性的同时，也提高了对噪声的敏感性。Canny算子力图在抗噪声和精确定位之间寻求最佳折衷算子力图在抗噪声和精确定位之间寻求最佳折衷方案。方案。Canny对边缘检测质量进行分析，提出以下对边缘检测质量进行分析，提出以下3个准则。个准则。（1）信噪比原则：对边缘的错误检测率要尽可能低，）信噪比原则：对边缘的错误检测率要尽可能低，尽可能检测出图像的真实边缘，且尽可能减少检测出虚尽可能

8、检测出图像的真实边缘，且尽可能减少检测出虚假边缘，获得一个好的结果。假边缘，获得一个好的结果。（2）定位精确准则：检测出的边缘要尽可能接近真）定位精确准则：检测出的边缘要尽可能接近真实边缘。实边缘。（3）单边缘响应准则：对同一边缘要有低的响应次）单边缘响应准则：对同一边缘要有低的响应次数，即对单边缘最好只有一个响应。数，即对单边缘最好只有一个响应。有了这有了这3个准则，寻找最优的滤波器的问题就转化为个准则，寻找最优的滤波器的问题就转化为泛函的约束优化问题了，公式的解可以由高斯的一阶导泛函的约束优化问题了，公式的解可以由高斯的一阶导数去逼近。数去逼近。首先先请大家看首先先请大家看Matlab程序

9、的运行结果。程序的运行结果。从边缘定位的精度看从边缘定位的精度看Roberts算子和算子和Log算子定位精度较高。算子定位精度较高。Roberts算子简单直观，算子简单直观，Log算子则利用二阶导数零交叉性检测边缘。但算子则利用二阶导数零交叉性检测边缘。但Log算子只能获得边缘位置信息，不能得到边缘的方向信息算子只能获得边缘位置信息，不能得到边缘的方向信息。从对不同方向边缘的响应看从对不同方向边缘的响应看Sobel算子、算子、Prewitt算子检测斜向阶跃边缘效果较好，算子检测斜向阶跃边缘效果较好，Roberts算子检算子检测水平和垂直边缘效果较好。测水平和垂直边缘效果较好。Log算子不具备边

10、缘方向检测能力，而算子不具备边缘方向检测能力，而Sobel算算子可以提供最精确的边缘方向估计。子可以提供最精确的边缘方向估计。从去噪能力看从去噪能力看Roberts和和Log算子定位精度虽然较高，但受噪声影响大。算子定位精度虽然较高，但受噪声影响大。Sobel算子和算子和Prewitt算子模版相对较大因而去噪能力较强，具有平滑作算子模版相对较大因而去噪能力较强，具有平滑作用，能滤除一些噪声，去掉部分伪边缘，但同时也平滑了部分真实边缘，这用，能滤除一些噪声，去掉部分伪边缘，但同时也平滑了部分真实边缘，这也正是其定位精度不高的原因。也正是其定位精度不高的原因。从整体效果来衡量，从整体效果来衡量，Canny算子给出了一种边缘定位准确性和抗噪声干算子给出了一种边缘定位准确性和抗噪声干扰性的较好折衷办法。扰性的较好折衷办法。