《1_1_微分滤波器》由会员分享，可在线阅读，更多相关《1_1_微分滤波器（43页珍藏版）》请在金锄头文库上搜索。
1、模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 图像底层特征提取图像底层特征提取边缘提取边缘提取计算机视觉课程（第二讲）计算机视觉课程（第二讲）模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Scien
2、ces 图像底层特征提取是计算机视觉图像底层特征提取是计算机视觉的基本步骤的基本步骤物体的属性：物体的属性：类别，数量，形状，三维信息，颜类别，数量，形状，三维信息，颜色，纹理色，纹理物体的状态：物体的状态：位置，距离，姿态，运动参数位置，距离，姿态，运动参数, 行为类型行为类型像素灰度值矩阵像素灰度值矩阵1 1：边缘和轮廓能反映图像内容；：边缘和轮廓能反映图像内容；2 2：如果能对边缘和关键点可靠提取的话，很多视：如果能对边缘和关键点可靠提取的话，很多视觉问题就基本上得到了解决觉问题就基本上得到了解决模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Labo
3、ratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 灰度图像真实的图像真实的图像图像数据的表示图像数据的表示模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 边缘的物理意义图像边缘的产生图像边缘的产生物体的边界、表面方向的改变、不同的颜色、光照明暗物体的边界、表面方向的改变、不同的
4、颜色、光照明暗的变化的变化物体的边界物体的边界表面方向变化表面方向变化不同颜色区域不同颜色区域光照明暗光照明暗模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 边缘提取边缘的定义（边缘的定义（WHATWHAT）提取边缘的意义（提取边缘的意义（WHYWHY）提取边缘的方法（提取边缘的方法（HOWHOW）使用微分滤波器提取边缘使用微分滤波器提取边缘一阶微分滤波器：梯度算子一阶微分滤波器：梯度算子
5、二阶微分滤波器：二阶微分滤波器：LoGLoGCannyCanny算子算子模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 边缘的定义边缘的定义定义：定义：“边缘是图像中亮度突然变化的区域。边缘是图像中亮度突然变化的区域。”“图像灰度构成的曲面上的陡峭区域。图像灰度构成的曲面上的陡峭区域。”“像素灰度存在阶跃变化或屋脊状变化的像素像素灰度存在阶跃变化或屋脊状变化的像素的集合。的集合。”模式识别
6、国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 灰度图像中边缘的类型灰度图像中边缘的类型阶梯状边缘阶梯状边缘屋脊状边缘屋脊状边缘线条状边缘线条状边缘模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Science
7、s 为什么要提取边缘？为什么要提取边缘？边缘是最基本的图像特征之一：边缘是最基本的图像特征之一：可以表达物体的特征可以表达物体的特征边缘特征对于图像的变化不敏感边缘特征对于图像的变化不敏感几何变化，灰度变化，光照方向变化几何变化，灰度变化，光照方向变化可以为物体检测提供有用的信息可以为物体检测提供有用的信息是一种典型的图像预处理过程是一种典型的图像预处理过程原始图像原始图像输出结果输出结果模式识别模式识别预处理预处理特征提取特征提取模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitu
8、te of Automation, Chinese Academy of Sciences 如何提取边缘？（灰度图象）如何提取边缘？（灰度图象）灰度图象边缘提取，主要的思想：灰度图象边缘提取，主要的思想：抑制噪声（低通滤波、平滑、去噪、模糊）抑制噪声（低通滤波、平滑、去噪、模糊）边缘特征增强（高通滤波、锐化）边缘特征增强（高通滤波、锐化）边缘定位边缘定位原始图像原始图像中间结果中间结果图像边缘图像边缘抑制噪声抑制噪声增强边缘增强边缘边缘定位边缘定位模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern Recognitio
9、nInstitute of Automation, Chinese Academy of Sciences 图像微分算子图像微分算子一阶微分算子（梯度算子）一阶微分算子（梯度算子） Prewitt, Prewitt, SobelSobel 检测最大值检测最大值二阶微分算子（二阶微分算子（LaplacianLaplacian）检测过零点检测过零点模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences
10、 微分算子检测边缘：一维信号微分算子检测边缘：一维信号一阶导数的极大值点：一阶导数的极大值点：二阶导数的过零点：二阶导数的过零点：注意：仅仅等于注意：仅仅等于0 0不够，常数函数不够，常数函数也为也为0 0，必须存在符号改变，必须存在符号改变模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 微分算子检测边缘：二维信号微分算子检测边缘：二维信号一阶导数的极大值点：一阶导数的极大值点：其中，图像
11、梯度向量：其中，图像梯度向量：梯度幅值表示边缘的强弱梯度幅值表示边缘的强弱梯度方向代表灰度变化最快的方向梯度方向代表灰度变化最快的方向模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 微分算子检测边缘：二维信号二阶导数的过零点：二阶导数的过零点：拉普拉斯算子：拉普拉斯算子：模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Patt
12、ern RecognitionInstitute of Automation, Chinese Academy of Sciences 在数字图像上计算梯度一维的情况：f(x)x-1x+1对于离散的数字信号，可以使用差分近似对于离散的数字信号，可以使用差分近似：相当于与如下模版进行卷积运算相当于与如下模版进行卷积运算：-1010.5模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 补充知识：
13、卷积运算图像（二维数字信号的卷积运算）图像（二维数字信号的卷积运算） 尺寸为（尺寸为（2M+1） （2N+1）的模版的模版 是对连续卷积核函数的数字采样近似是对连续卷积核函数的数字采样近似 不同模版形式决定了卷积的不同功能不同模版形式决定了卷积的不同功能-滤波、增强、匹配滤波、增强、匹配关于模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 模式识别国家重点实验室模式识别国家重点实验室中国科学
14、院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern Recogn
15、itionInstitute of Automation, Chinese Academy of Sciences 模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academ
16、y of Sciences 模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化
17、研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 在数字图像上计算梯度在数字图像上计算梯度使用差分运算在数值上近似一阶微分运算使用差分运算在数值上近似一阶微分运算-101-101竖直边缘竖直边缘水平
18、边缘水平边缘0.50.5噪声的影响：一维信号的例子噪声的影响：一维信号的例子n从图像中取出某行像素值从图像中取出某行像素值：边缘在哪里？边缘在哪里？解决方法之一，首先进行滤波解决方法之一，首先进行滤波峰值为边缘的位置峰值为边缘的位置利用卷积运算的性质：峰值为边缘的位置峰值为边缘的位置模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences SobelSobel算子算子PrewittPrewitt算子
19、算子RobertsRoberts算子算子图像梯度算子的近似图像梯度算子的近似模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences PrewittPrewitt算子算子-101-101-101计算均值，计算均值，平滑噪声平滑噪声检测竖直边缘检测竖直边缘-1-1-1000111计算均值，计算均值，平滑噪声平滑噪声检测水检测水平边缘平边缘PrewittPrewitt算子，近似一阶微分算子，近似一阶微分
20、卷积模版：去噪卷积模版：去噪 + + 增强边缘增强边缘模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences SobelSobel算子算子-101-202-101计算均值，计算均值，平滑噪声平滑噪声检测竖直边缘-1-2-1000121计算均值，计算均值，平滑噪声平滑噪声检测水平边缘Sobel算子，近似一阶微分算子，近似一阶微分去噪去噪 + 增强边缘，给四邻域更大的权重增强边缘，给四邻域更大的权重常
21、见的梯度算子(a): Roberts算子算子 (b): 3x3 Prewitt算子算子(c): Sobel 算子算子 (d): 4x4 Prewitt算子算子SobelSobel, Prewitt , Prewitt 边缘提取例子边缘提取例子SobelPrewitt模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 在数字图像上计算二阶微分在数字图像上计算二阶微分拉普拉斯算子拉普拉斯算子拉普拉
22、斯算子的数字近似拉普拉斯算子的数字近似3*33*3卷积模版卷积模版0-10-14-10-10-1-1-1-18-1-1-1-1模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 拉普拉斯算子的特点拉普拉斯算子的特点拉普拉斯算子的运算结果是标量拉普拉斯算子的运算结果是标量只有幅值，只使用一个模版便可计算得到只有幅值，只使用一个模版便可计算得到方向属性丢失方向属性丢失实际中几乎不单独使用拉普拉斯算
23、子：实际中几乎不单独使用拉普拉斯算子：二次求导数，对噪声非常敏感二次求导数，对噪声非常敏感 通常配合滤波器同时使用通常配合滤波器同时使用模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences Laplacian of Gaussian (LoG)首先用首先用GaussGauss函数对图像进行平滑，抑制噪函数对图像进行平滑，抑制噪声声然后对经过平滑的图像使用然后对经过平滑的图像使用Laplacian
24、Laplacian算子算子利用卷积的性质利用卷积的性质L LoGoG算子等效于：算子等效于：GaussianGaussian平滑平滑 + + LaplacianLaplacian 二阶微分二阶微分高斯拉普拉斯高斯拉普拉斯Laplacian of Gaussianoperator过零点为边缘的位置过零点为边缘的位置二维边缘微分滤波器LoG算子:高斯拉普拉斯高斯拉普拉斯高斯高斯高斯的导数高斯的导数模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Ch
25、inese Academy of Sciences 在数字图像上实现LoG00-1000-1-2-10-1-216 -2-10-1-2-1000-100 LoGLoG 因其形状，也称为因其形状，也称为Mexican hatMexican hat 求和为求和为0 0，即对平坦图像区域的响应为，即对平坦图像区域的响应为0 0 一个近似的卷积模版：体现主要的形状一个近似的卷积模版：体现主要的形状模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chin
26、ese Academy of Sciences LoG：例子（a）Lenna Image （b）Gaussian模版卷积（15*15）（c）Laplacian模版卷积（3*3）（a）（b）（c）分两步实现分两步实现LoGLoG，可以提供可以提供更大的灵活性更小的模版尺寸更大的灵活性更小的模版尺寸模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences LoG：例子（d）将(c)中大于0的像素置1，其
27、余置0 （e）在二值图像（d）上检测边缘，使用形态学膨胀方法（f）结果显示（d）（e）（f）几个特点：（1）正确检测到的边缘：单像素宽度，定位准确（2）形成许多封闭的轮廓（spaghetti，意大利面条），这是一个主要的问题（3） 需要更加复杂的算法检测过零点模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 二维卷积的加速计算一些二维模版函数可以表示为两个模版的一些二维模版函数可以表示为两个模版的乘积形式乘积形式如二维高斯模版：如二维高斯模版：模式识别国家重点实验室模式识别国家重点实验室中国科学院自动化研究所National Laboratory of Pattern RecognitionInstitute of Automation, Chinese Academy of Sciences 二维卷积的加速计算图像尺寸：NN,原二维模版：MM则计算量（乘法加法次数）：MMNN2MNN&
