《数字图像处理边缘检测.ppt》由会员分享,可在线阅读,更多相关《数字图像处理边缘检测.ppt(48页珍藏版)》请在三一办公上搜索。
1、第六章 图像分割和分析,6.1 图像分割6.2 特征表示与描述6.3 识别与解释,6.1 图像分割(Image Segmentation),图像分割引言 间断分割(非连续性分割)边缘连接法 阈值分割法(相似性分割)基于区域的分割(相似性分割)数学形态学图像处理,图像分割引言,1 图像分析的概念从图像中提取信息的技术。2 图像分析系统的基本构成,预处理,知识库,图像分割引言,3 图像分析系统的构成,图像分割引言,2 图像分割的概念在对图像的研究和应用中,人们往往仅对图像中的某些部分感兴趣,这些部分一般称为目标或前景。为了辨识和分析目标,需要将有关区域分离提取出来,在此基础上对目标进一步利用,如进
2、行特征提取和测量。图像分割就是指把图像分成各具特性的区域,并提取出感兴趣目标的技术和过程。,图像分割引言,3 图像分割的基本策略 特性可以是灰度、颜色、纹理等,目标可以对应单个区域,也可以对应多个区域 图像分割的基本策略,基于灰度值的两个基本特性:1)不连续性不连续性是基于特性(如灰度)的不连续变化分割图像,如边缘检测 2)相似性根据制定的准则将图像分割为相似的区域,如阈值处理、区域生长,间断(Discontinuities)分割(非连续性分割),6.1.2.1 点检测6.1.2.2 线检测6.1.2.3 边缘检测,6.1.2.1 点检测,R=(-1*8*8+128*8)/9=(120*8)/
3、9=960/9=106设:阈值:T=64 R T,6.1.2.1 点检测,点检测算法描述设定阈值 T,如T=32、64、128等,并计算高通滤波值R。如果R值等于0,说明当前检测点的灰度值与周围点的相同。当R的值足够大时,说明该点的值与周围的点非常不同,是孤立点。通过阈值T来判断若|R|T,则检测到一个孤立点。,6.1.2.2 线检测,线检测(Line Detection)通过比较典型模板的计算值,确定一个点是否在某个方向的线上。,6.1.2.2 线检测,用4种模板分别计算R水平=-6+30=24R45度=-14+14=0R垂直=-14+14=0 R135度=-14+14=0,6.1.2.2
4、线检测,线的检测算法描述依次计算4个方向的典型检测模板,得到Ri i=1,2,3,4如|Ri|Rj|,ji,那么这个点被称为在方向上更接近模板i 所代表的线。设计任意方向的检测模板可能大于33模板系数和为0感兴趣的方向的系数大。,6.1.2.3 边缘检测(Edge Detection),1 边缘的定义 图像中灰度发生突变或不连续的微小区域(一组相连的像素集合),即是两个具有相对不同灰度值特性的区域的边界线。在一幅图像中,边缘有方向和幅度两个特性。一般认为沿边缘走向的灰度变化较为平缓,而垂直于边缘走向的灰度变化剧烈。即灰度梯度指向边缘的垂直方向。,6.1.2.3 边缘检测,2 基本思想计算局部微
5、分算子。,6.1.2.3 边缘检测,6.1.2.3 边缘检测,二阶微分:通过拉普拉斯来计算特点:二阶微分在亮的一边是正的,在暗的一边是负的。常数部分为零。,6.1.2.3 边缘检测,6.1.2.3 边缘检测,3 梯度算子(Gradient operators)函数f(x,y)在(x,y)处的梯度为一个向量:f=f/x,f/yT计算这个向量的大小为:|f|=mag(f)=(f/x)2+(f/y)21/2近似为:|f|Gx|+|Gy|梯度的方向角为:(x,y)=arctan(Gy/Gx),6.1.2.3 边缘检测,6.1.2.3 边缘检测,Gx=(z7+z8+z9)-(z1+z2+z3)Gy=(z
6、3+z6+z9)-(z1+z4+z7)梯度值:|f|Gx|+|Gy|,6.1.2.3 边缘检测,6.1.2.3 边缘检测,Sobel(Prewitt)梯度算子的使用与分析1)直接计算Gx、Gy可以检测到边的存在,以及从暗到亮,从亮到暗的变化。2)仅计算|Gx|,产生最强的响应是正交 于x轴的边;|Gy|则是正交于y轴的边。,6.1.2.3 边缘检测,4 拉普拉斯(the Laplacian)1)二维函数f(x,y)的拉普拉斯是一个二阶的微分,定义为:2f=2f/x2+2f/y2 可以用多种方式将其表示为数字形式。对于一个33的区域,经验上被推荐最多的形式是:2f=4z5(z2+z4+z6+z8
7、),6.1.2.3 边缘检测,2)拉普拉斯算子的分析:缺点:对噪声的敏感;会产生双边效果;不能检测出边的方向。应用:拉普拉斯算子不直接用于边的检测,通常只起辅助的角色。检测一个像素是在边的亮的一边还是暗的一边。利用二阶导数零交叉,确定边的位置。,6.1.2.3 边缘检测,5 马尔(Marr)算子 实际中,可将图像与如下2-D高斯函数的拉普拉斯作卷积,以消除噪声。,其中是高斯分布的均方差。如果令r2=x2+y2,那么根据求拉普拉斯的定义式,有,这个公式一般叫高斯型的拉普拉斯算子(Laplacian of a Gaussian,LoG)。,6.1.2.3 边缘检测,这是一个轴对称函数,它的剖面图如
8、下:,6.1.2.3 边缘检测,上述算子2h也称为马尔算子。由于图像的形状,有时被称为墨西哥草帽函数。先做高斯平滑,然后再用2对图像做卷积来找边缘,等价于用2h对图像做卷积。因为2h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2h检测过零点能提供较可靠的边缘位置。,6.1.2.3 边缘检测,例如:右图显示了一个对2h近似的55模板。这种近似不是唯一的。其目的是得到2h本质的形状;即,一个正的中心项,周围被一个相邻的负值区域围绕(这个负值区域从原点开始作为距离的函数在值上是增加的),并被一个零值的外部区域所包围。,系数的总和也必须为零,以便在灰度级不变的区域中模板的响应为零。,与
9、梯度算子比较:,6.1.2.3 边缘检测,边缘连接(Edge Linking),6.1.3.1 局部连接处理(边界闭合)6.1.3.2 Hough变换,边缘连接法,边缘连接法边缘连接的意义边缘检测算法的后处理。由于噪声、不均匀的照明等原因,边界的特征很少能够被完整地描述,在亮度不一致的地方会中断。因此典型的边检测算法后面总要跟随着连接过程,用来归整边像素,成为有意义的边。,局部连接处理(边界闭合),1 连接处理的时机和目的 时机:对做过边缘检测的图像进行。目的:连接间断的边。,局部连接处理(边界闭合),2 连接处理的原理1)做过边缘检测后,对每个边缘点(x,y)的邻域内像素的特点进行分析。2)
10、分析在一个小的邻域(33或55)中进行。3)用比较梯度算子的响应强度和梯度方向确定两个点是否同属一条边。,局部连接处理(边界闭合),通过比较梯度,确定两个点的连接性:对于点(x,y),判断其是否与邻域内的点(x,y)相似,当:|f(x,y)|f(x,y)|T其中T是一个非负的阈值。,局部连接处理(边界闭合),比较梯度向量的方向角 对于点(x,y),判断其是否与邻域内的点(x,y)的方向角相似,当:|(x,y)(x,y)|A其中A是一个角度阈值。,局部连接处理(边界闭合),当梯度值和方向角都是相似的,则点(x,y),与边点界(x,y)是连接的。,6.1.3.2 霍夫(Hough)变换,问题的提出
11、Hough变换的基本思想算法实现Hough变换的扩展,6.1.3.2 Hough变换,1 Hough变换(HT)问题的提出在找出边缘点集之后,需要连接,形成完整的边缘图形描述。,2 Hough变换的基本思想,例如为了检测任意方向和位置的直线。该直线在原始图像空间(x,y)的直线方程为:y=kx+q(斜截式)它与参数空间上的一个点(k,q)相对应。,过(x0,y0)的一组直线,在参数空间中可用一条直线表示。,所以,在图像中一条直线上,在参数空间中为一个点,在参数空间中找到这个点,就可以找到在x,y空间中对应的这条线的两个参数。,6.1.3.2 Hough变换,把每一个点(指过每一点的一组线)都变
12、换到k,q坐标中,各对应一条直线,共10条线,10条线交于一点(k0,q0),这点所对应的k,q值就是x,y空间中这10个点共线的线的参数,则它在x-y空间上对应于直线y=k0 x+q0。,6.1.3.2 Hough变换,对于分布在两条直线上的点,就可以在参数空间中找到两个聚类点。,6.1.3.2 Hough变换,1962年由霍夫(Hough)向美国申请专利,用来检测图像中的直线和曲线。后经Rosenfeld把它引用到图像处理中,提出用一个二维累积数组作霍夫变换。为了用程序实现,要准备一个表示k-q空间的二维数组,每通过一个轨迹,就在数组元素中加上1,在对应于边缘点所有的轨迹都画出之后,就可以
13、提取具有较大值的数组元素,这就是边缘。以上方法的毛病是:用了直线斜率和截距,若斜率无穷大,则在k,q空间中k非常大。,4 Hough变换算法实现 76年由Duda和Hart作了改进,把用斜率和截距的表示变成用法线和法线与X轴的夹角表示。即:,如果设这条直线通过图像上的点(x0,y0),则:=x0cos+y0sin,6.1.3.2 Hough变换,-空间上的一点对应于x-y空间上的一条直线。相反,用上式表示的-空间的轨迹,就表示了在x-y空间通过(x0,y0)点的所有直线群。对图像中所有的边缘点施以同样的操作,便求出在-空间各条轨迹集中的位置(0,0),它在x-y空间上对应于直线0=xcos0+ysin0,这样直线将被检测出来。可以取02或-。,6.1.3.2 Hough变换,6.1.3.2 Hough变换,6.1.3.2 Hough变换,为了用程序实现,要准备一个表示-空间的二维数组,每通过一个轨迹,就在数组元素中加上1,在对应于边缘点所有的轨迹都画出之后,就可以提取具有较大值的数组元素,这就是边缘。Hough变换,即使图像中的边缘是不连续的,也能有效地检测出直线,抗噪声性能更好。,6.1.3.2 Hough变换,5 Hough变换的扩展Hough变换不只对直线,也可以用于圆:(x c1)2+(y-c2)2=c32这时需要三个参数的参数空间。,