《mv-chp06边缘检测资料课件》由会员分享,可在线阅读,更多相关《mv-chp06边缘检测资料课件(41页珍藏版)》请在金锄头文库上搜索。
1、边缘检测边缘检测EdgeDetection第第 6 6 章章刹赃松恰厉氧罪毡夯蒙证烯捡曳怒盟朝险粳哑华龙蒙觅酞稻揭坟宽绢坡眉mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241 1北京邮电大学自动化北京邮电大学自动化主讲课本:1、贾云得,机器视觉,科学出版社,2000年棺搂轰岿弥舟讨踏苑谷栋柴汤韵姆械弧稻赞颁骑应扯柠闷加召屁馁谨恤凉mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242 2北京邮电大学自动化北京邮电大学自动化深度阅读:1、D.A.Forsyth,J.Ponce,ComputerVision-Amodernapproach
2、,清华出版社,20042、MilanSonka等著,艾海舟等译,图像处理、分析与机器视觉,人民邮电出版社,2003年丸戒僚倒褂揖弧挝轩矮栈秽隶暇绩脏累祭屿末氦计凸涎羊打铱继棉慌穷织mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243 3北京邮电大学自动化北京邮电大学自动化边缘边缘(edge)(edge)是指图像局部强度变化最显著的部分边缘主是指图像局部强度变化最显著的部分边缘主要存在于目标与目标、目标与背景、区域与区域要存在于目标与目标、目标与背景、区域与区域( (包括不同包括不同色彩色彩) )之间,之间,图像分割、纹理特征和形状特征等图像分析的重要基础图像分割、
3、纹理特征和形状特征等图像分析的重要基础图像强度的不连续可分为:图像强度的不连续可分为: (1) (1) 阶跃不连续,即图像强度在不连续处的两边的像素灰阶跃不连续,即图像强度在不连续处的两边的像素灰度值有着显著的差异;度值有着显著的差异; (2) (2) 线条不连续,即图像强度突然从一个值变化到另一个线条不连续,即图像强度突然从一个值变化到另一个值,保持一较小行程后又回到原来的值值,保持一较小行程后又回到原来的值1、边缘检测的基本定义、边缘检测的基本定义桨芽某港倔梧宛宪诉恒坞壮惨窝缀赣窑肌英痘蹄义摊捐性夺始吃粉糊菱骚mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/2024
4、4 4北京邮电大学自动化北京邮电大学自动化两种常见的边缘一阶导数和二阶导数示意图两种常见的边缘一阶导数和二阶导数示意图(a)阶跃函数阶跃函数(b)线条函数线条函数理论曲线实际曲线一阶导数二阶导数资拨挎蜕爱轧倾配赞终恤嚷炽耙彤英筋嚷啡衫氢疥誊亭城跑谴篇唁邹痰梭mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20245 5北京邮电大学自动化北京邮电大学自动化边缘点边缘点(Edgepoint):在亮度显著变化的位置上的点:在亮度显著变化的位置上的点边缘段边缘段(Edgesegment):对应于边缘点坐标及其方位:对应于边缘点坐标及其方位边缘检测器边缘检测器(Edgedetec
5、tor):从图像中抽取边缘集合的算法:从图像中抽取边缘集合的算法轮廓轮廓(Boundary):边缘列表或一条表示边缘列表的拟合曲线:边缘列表或一条表示边缘列表的拟合曲线边缘连接边缘连接(Edgelinking):从无序边缘表形成有序边缘表的过程:从无序边缘表形成有序边缘表的过程边缘跟踪边缘跟踪(Edgetracking):一个用来确定轮廊的图像搜索过程:一个用来确定轮廊的图像搜索过程2、术语定义、术语定义彤两坐稿胶耳朵堡惟才犊釜桩郴伍圾扩丘犁吼菩趋刻姥钟苍垣绕岳硷赠种mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20246 6北京邮电大学自动化北京邮电大学自动化3、梯
6、度梯度梯度是一阶导数的二维等效式,定义为矢量梯度是一阶导数的二维等效式,定义为矢量(1)向量的方向就是函数增大时的最大变化率方向;向量的方向就是函数增大时的最大变化率方向;(2)梯度的幅值和方向梯度的幅值和方向:谍篆羹乓梧熔桨圾鄂的九膀氧淡油陈邱平蓖坍谢司评谐疹圈荚昼脂痪仪苫mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20247 7北京邮电大学自动化北京邮电大学自动化用差分来近似梯度:用差分来近似梯度:用简单卷积模板表示用简单卷积模板表示:注意:与课本不同!注意:与课本不同!呛蓖三余服譬蹄恍缠辅遥保屿锦非喝势探涣蛆憎铱醉备央郭吩乐埂琼绳年mv-chp06边缘检测mv
7、-chp06边缘检测8/8/20248/8/20248 8北京邮电大学自动化北京邮电大学自动化采用上面公式计算的梯度近似值采用上面公式计算的梯度近似值Gx和和Gy并不位于同一位并不位于同一位置,置,Gx实际上是内插点实际上是内插点i+1/2,j处的梯度近似值,处的梯度近似值,Gy是内是内插点插点i,j+1/2处的梯度近似值由于这个缘故,人们常常使处的梯度近似值由于这个缘故,人们常常使用用一阶差分模板(而不用一阶差分模板(而不用或或模板)模板)来求来求x和和y的偏导数的偏导数。坷律措做诗床措弊呈忠冠枫边动卑熙胖氯危笔蔗闪仰曾眉凌衔伴剁可蕊晕mv-chp06边缘检测mv-chp06边缘检测8/8/
8、20248/8/20249 9北京邮电大学自动化北京邮电大学自动化基本步骤:基本步骤:(1)滤波:)滤波:边缘检测算法主要是基于图像强度的一边缘检测算法主要是基于图像强度的一阶和二阶导数,但导数的计算对噪声很敏感,因此阶和二阶导数,但导数的计算对噪声很敏感,因此必须使用滤波器来改善与噪声有关的边缘检测器的必须使用滤波器来改善与噪声有关的边缘检测器的性能需要指出,大多数滤波器在降低噪声的同时性能需要指出,大多数滤波器在降低噪声的同时也导致了边缘强度的损失,因此,增强边缘和降低也导致了边缘强度的损失,因此,增强边缘和降低噪声之间需要折衷噪声之间需要折衷4、边缘检测算法、边缘检测算法识秀抨袜凝爪展悯
9、服淌囱易珠泻捅癣搽蚕巨工行封唬洒得兴撞寨镜舞痔钥mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241010北京邮电大学自动化北京邮电大学自动化(2)增强:增强边缘的基础是确定图像各点邻域强)增强:增强边缘的基础是确定图像各点邻域强度的变化值增强算法可以将邻域(或局部)强度值度的变化值增强算法可以将邻域(或局部)强度值有显著变化的点突显出来边缘增强一般是通过计算有显著变化的点突显出来边缘增强一般是通过计算梯度幅值来完成的梯度幅值来完成的盘庸肘咖润答掩兢乓喜囊柠仕仇介予暖普揣垦放轴糊擎巫丙寸健主刃仍田mv-chp06边缘检测mv-chp06边缘检测8/8/20248/
10、8/20241111北京邮电大学自动化北京邮电大学自动化(3)检测:在图像中有许多点的梯度幅值比较大,)检测:在图像中有许多点的梯度幅值比较大,而这些点在特定的应用领域中并不都是边缘,所以应而这些点在特定的应用领域中并不都是边缘,所以应该用某种方法来确定哪些点是边缘点最简单的边缘该用某种方法来确定哪些点是边缘点最简单的边缘检测判据是梯度幅值阈值判据检测判据是梯度幅值阈值判据琢监察胀祷撰祈肃依抽往呻性遣麦愚虱迢琐他烧酗味庐郭苫满长脱已哥肮mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241212北京邮电大学自动化北京邮电大学自动化常用边缘检测器常用边缘检测器(1)R
11、oberts算子算子用卷积模板表示:梯度交叉算子梯度幅值计算近似方法:辊疏嘲盼佰脂骑伤铸辆呛连貉耐聋饶疤蓬铸狰应甥股毗骋玩夏积略米丧饱mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241313北京邮电大学自动化北京邮电大学自动化(2)Sobel(2)Sobel算子算子梯度幅值:其中的偏导数用下式计算:c=2用卷积模板来实现请注意:请注意:Sobel算子把重点放在接近于模板中心的像素点算子把重点放在接近于模板中心的像素点Sobel算子是边缘检测器中最常用的算子之一算子是边缘检测器中最常用的算子之一椎纽闯取卸羞图桃驼级替敖贸炸潦哲牛毡月块榨外践售申沉儒叶阜器阂婆mv-
12、chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241414北京邮电大学自动化北京邮电大学自动化(3)Prewitt算子算子与与Sobel算子的方程完全一样,但算子的方程完全一样,但c=1该算子没有把重点放在接近模板中心的该算子没有把重点放在接近模板中心的像素点像素点槐淬揭饶对贿敖籽沤赁截绊朵轴贤钠昧垃喧华朵法脸个耿葵出便督跑趋氢mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241515北京邮电大学自动化北京邮电大学自动化(4)各种算法的比较各种算法的比较图6.2用于边缘检测的测试图像(a)原始图像(b)7x7高斯滤波的图像滨粪泽椭袄密砾葵盲
13、麻秤贾尖忠垒鸥次庇霸奥活真燎级载涤马刃勤敬源赌mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241616北京邮电大学自动化北京邮电大学自动化图6.3各种边缘检测器对未经滤波的图像进行边缘检测的比较(a)Roberts交叉算子(b)Sobel算子(c)Prewitt算子羔猫摈诌颠遗必坡穴的诵篷铜赏仪拜衍算舆裹吓沃趴革授旗需层钝紧晃襄mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241717北京邮电大学自动化北京邮电大学自动化图6.4各种边缘检测器对滤波后的图像进行边缘检测的结果(a)Roberts交叉算子(b)Sobel算子(c)Pre
14、witt算子傻魄择卤驯羌望既侦泄汛学躯乒铰司牵站坞枕灯州惰植荐滞艘由课样即盐mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241818北京邮电大学自动化北京邮电大学自动化5、二阶微分算子二阶微分算子如果所求的一阶导数高于某一阈值,则确定该点为边缘点这样做会导致如果所求的一阶导数高于某一阈值,则确定该点为边缘点这样做会导致检测的边缘点太多一种更好的方法就是求梯度局部最大值对应的点,并检测的边缘点太多一种更好的方法就是求梯度局部最大值对应的点,并认定它们是边缘点,通过去除一阶导数中的非局部最大值,可以检测出更认定它们是边缘点,通过去除一阶导数中的非局部最大值,可以检测
15、出更精确的边缘一阶导数的局部最大值对应着二阶导数的零交叉点这样,精确的边缘一阶导数的局部最大值对应着二阶导数的零交叉点这样,通过找图像强度的二阶导数的零交叉点就能找到边缘点通过找图像强度的二阶导数的零交叉点就能找到边缘点阈值阈值边缘太宽边缘太宽零交叉点零交叉点蟹啮择怔暴酶侵吊垮软宁辖已杖冯俩手粘优鸡什哪矫寓峦谐橇翌麓迸匝畏mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20241919北京邮电大学自动化北京邮电大学自动化拉普拉斯算子拉普拉斯算子拉普拉斯算子是二阶导数的二维等效式拉普拉斯算子是二阶导数的二维等效式:这一近似式是以点这一近似式是以点i+1,j为中心的用为中心
16、的用i-1替换替换,得到以得到以i,j为中心的为中心的:渍穿柬命毙劣晌语紫亏刽芹氛救妹伙白洲妓斯辫嘶宙禁蔬乾尸蝎淄早璃绵mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242020北京邮电大学自动化北京邮电大学自动化用算子表示:希望邻域中心点具有更大的权值逝洽声座勒犊们中萨浙侄镁太外绝淡拦铁熙疽骂悉芬渐褂宵僻荷踊家附赏mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242121北京邮电大学自动化北京邮电大学自动化拉普拉斯的二阶方向导数算子在机器视觉中并拉普拉斯的二阶方向导数算子在机器视觉中并不常用,因为任何包含有二阶导数的算子比只包含不常
17、用,因为任何包含有二阶导数的算子比只包含有一阶导数的算子更易受噪声的影响甚至一阶导有一阶导数的算子更易受噪声的影响甚至一阶导数很小的局部峰值也能导致二阶导数过零点为了数很小的局部峰值也能导致二阶导数过零点为了避免噪声的影响,必须采用特别有效的滤波方法避免噪声的影响,必须采用特别有效的滤波方法下面我们讨论高斯滤波与二阶导数相结合的边缘检下面我们讨论高斯滤波与二阶导数相结合的边缘检测方法测方法拉普拉斯算子的缺点拉普拉斯算子的缺点没虽薄森誉词共禹懊杖看骚敌约铸镍莆遏卜毒猴轻朗返洽争喝郴绍怯陈鄂mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242222北京邮电大学自动化北
18、京邮电大学自动化6、LoG算法算法基本特征:基本特征:平滑滤波器是高斯滤波器平滑滤波器是高斯滤波器增强步骤采用二阶导数增强步骤采用二阶导数( (二维拉普拉斯函数二维拉普拉斯函数) )边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值使用线性内插方法在子像素分辨率水平上估计边缘的位置使用线性内插方法在子像素分辨率水平上估计边缘的位置 Marr和和Hildreth将高斯滤波和拉普拉斯边缘检测结合在一将高斯滤波和拉普拉斯边缘检测结合在一起,形成起,形成LoG(LaplacianofGaussian)算法,也称之为)算法,也称之为拉普拉斯高斯算
19、法拉普拉斯高斯算法纲摩诺囊循犹肪仕盖皖伟鄂勿熟弃宣海猜够了胆灰孤锗阉扭歼驭磊坚其煮mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242323北京邮电大学自动化北京邮电大学自动化LoG算子的输出是通过卷积运算得到的根据卷积求导法有:其中:两种方法在数学上是等价的:两种方法在数学上是等价的:1求图像与高斯滤波器卷积,再求卷积的拉普拉斯变换求图像与高斯滤波器卷积,再求卷积的拉普拉斯变换2求高斯滤波器的拉普拉斯变换,再求与图像的卷积求高斯滤波器的拉普拉斯变换,再求与图像的卷积该函数称为该函数称为:LoG荐钒壕根纸酸逸势轧知狸哨础遮卒尤辞咐惰姥关玻状烽瞩握悟掠鹤哺口值mv-
20、chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242424北京邮电大学自动化北京邮电大学自动化一维和二维高斯函数的拉普拉斯变换图的翻转图,其中=2称之为墨西哥草帽算子称之为墨西哥草帽算子LoG函数函数貌隅薄舞杠墩腮殊笺贴闭尸框股售辊抒返粕纷罕哇河殊煮改识养蔫景慰醋mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242525北京邮电大学自动化北京邮电大学自动化5X5拉普拉斯高斯模板拉普拉斯高斯模板拦翘辆汞扑翌疼甚携扫卓史蔗沧瘫第神蠕射捷授谆踪休寨蓝煮功橇溺罐疗mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/2024262
21、6北京邮电大学自动化北京邮电大学自动化拉普拉斯高斯边缘检测结果拉普拉斯高斯边缘检测结果脊否昨邯小烂久菇胰烧析淑日祷纲俊敦租咙桑涌利埋硕创语棒汕仁故淆哟mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242727北京邮电大学自动化北京邮电大学自动化7、Canny边缘检测器边缘检测器 检测阶跃边缘的基本思想是在图像中找出具有局部最大检测阶跃边缘的基本思想是在图像中找出具有局部最大梯度幅值的像素点检测阶跃边缘的大部分工作集中在寻找梯度幅值的像素点检测阶跃边缘的大部分工作集中在寻找能够用于实际图像的梯度数字逼近图像梯度逼近必须满足能够用于实际图像的梯度数字逼近图像梯度逼近必
22、须满足两个要求:两个要求:(1) (1) 逼近必须能够抑制噪声效应,逼近必须能够抑制噪声效应,(2) (2) 必须尽量必须尽量精确地确定边缘的位置抑制噪声和边缘精确定位是无法同精确地确定边缘的位置抑制噪声和边缘精确定位是无法同时得到满足的,也就是说,边缘检测算法通过图像平滑算子时得到满足的,也就是说,边缘检测算法通过图像平滑算子去除了噪声,但却增加了边缘定位的不确定性;反过来,若去除了噪声,但却增加了边缘定位的不确定性;反过来,若提高边缘检测算子对边缘的敏感性,同时也提高了对噪声的提高边缘检测算子对边缘的敏感性,同时也提高了对噪声的敏感性有一种线性算子可以在抗噪声干扰和精确定位之间敏感性有一种
23、线性算子可以在抗噪声干扰和精确定位之间提供最佳折衷方案,它就是高斯函数的一阶导数。提供最佳折衷方案,它就是高斯函数的一阶导数。热搁啃音乌噬冕昏阴贰讨坠兆怠痛辊恋茎束奄健财复睁锻启恤盲柳鸯狂嫡mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242828北京邮电大学自动化北京邮电大学自动化2)使用)使用2x2一阶有限差分计算局部梯度的两个阵列一阶有限差分计算局部梯度的两个阵列P与与Q:1)求图像与高斯平滑滤波器卷积)求图像与高斯平滑滤波器卷积:实际上可以采用前面所说的实际上可以采用前面所说的Roberts、Prewitt和和Sobel算子!算子!颈隐期毗声浴尿鉴祥摇缨命
24、恰五粗箕巷姚沼桓漂摩昨捻钝格娘醇唆涝鸯应mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20242929北京邮电大学自动化北京邮电大学自动化3)幅值和方位角)幅值和方位角:注意:与课本不同!注意:与课本不同!镜烧节效姥窃纂迎头淑威处培海哨勋萎鬃好求寐竞酝暇夜四栋吐醋斑疥陵mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243030北京邮电大学自动化北京邮电大学自动化4)非极大值抑制()非极大值抑制(Non-MaximaSuppression,NMS):幅值图像阵列幅值图像阵列Mi,j的值越大,其对应的图像梯度值的值越大,其对应的图像梯度值也越
25、大,但这还不足以确定边缘,因为这里仅仅把图像也越大,但这还不足以确定边缘,因为这里仅仅把图像快速变化的问题转化成求幅值阵列快速变化的问题转化成求幅值阵列Mi,j的局部最大值问的局部最大值问题为确定边缘,必须细化幅值图像中的屋脊带题为确定边缘,必须细化幅值图像中的屋脊带(Ridge),即只保留幅值局部变化最大的点,即追踪所),即只保留幅值局部变化最大的点,即追踪所有脊的顶部,并将所有不在脊的顶部的像素设为零,以有脊的顶部,并将所有不在脊的顶部的像素设为零,以便在输出中给出一条细线这一过程叫非极大值抑制便在输出中给出一条细线这一过程叫非极大值抑制(Non-MaximaSuppression,NMS
26、),它会生成细化的),它会生成细化的边缘边缘溃缘刷外粕汞撂当吾马当评盎蔽丘及肪券全镜些喇勋浊冬我扬椒伦盖指翠mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243131北京邮电大学自动化北京邮电大学自动化*方向角:方向角:非极大值抑制通过抑制梯度线上所有非屋脊峰值的幅值来非极大值抑制通过抑制梯度线上所有非屋脊峰值的幅值来细化细化Mi,j中的梯度幅值屋脊这一算法首先将梯度角中的梯度幅值屋脊这一算法首先将梯度角i,j的变的变化范围减小到圆周的四个扇区之一,如图所示。四个扇区的标化范围减小到圆周的四个扇区之一,如图所示。四个扇区的标号为号为0到到3,对应着,对应着3x3邻
27、域内元素的四种可能组合,任何通过邻邻域内元素的四种可能组合,任何通过邻域中心的点必通过其中一个扇区域中心的点必通过其中一个扇区栏遇褪刁默蓑笑荫吩玛鲤股液剃并轩帛涪设盅屠矣泣刺孕值铱墩巴餐兔行mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243232北京邮电大学自动化北京邮电大学自动化*幅值:幅值:算法使用一个算法使用一个3x3邻域作用于幅值阵列邻域作用于幅值阵列Mi,j的所有点在的所有点在每一点上,邻域的中心像素每一点上,邻域的中心像素Mi,j与沿着梯度线的两个元素进行与沿着梯度线的两个元素进行比较,其中梯度线是由邻域的中心点处的扇区值比较,其中梯度线是由邻域的中
28、心点处的扇区值i,j给出的给出的如果在邻域中心点处的幅值如果在邻域中心点处的幅值Mi,j不比沿梯度线方向上的两个相不比沿梯度线方向上的两个相邻点幅值大,则邻点幅值大,则Mi,j赋值为零这一过程可以把赋值为零这一过程可以把Mi,j宽屋脊带宽屋脊带细化成只有一个像素点宽在非极大值抑制过程中,保留了屋细化成只有一个像素点宽在非极大值抑制过程中,保留了屋脊的高度值脊的高度值兼线佯甘曲抱奏芋陡诱糙崇综氨涛夏穆鬼肥颧灰撒邯平潜枷酶菱圣瞬绚酮mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243333北京邮电大学自动化北京邮电大学自动化*幅值:幅值:表示非极大值抑制过程表示非极大
29、值抑制过程Ni,j中的非零值中的非零值对应着图像强度阶跃变化处的对比度尽对应着图像强度阶跃变化处的对比度尽管在边缘检测的第一步对图像进行了平滑,管在边缘检测的第一步对图像进行了平滑,但非极大值抑制幅值图像但非极大值抑制幅值图像Ni,j仍会包含许仍会包含许多由噪声和细纹理引起的假边缘段多由噪声和细纹理引起的假边缘段送巷液夷呻耗绅锭欲睹账召寇尼绝赔罩巧塌仑拷湍用坦六夏骚曳挪恋尾颁mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243434北京邮电大学自动化北京邮电大学自动化5)阈值化)阈值化*将低于阈值的所有值赋零值,得到图像的边缘阵列将低于阈值的所有值赋零值,得到图像
30、的边缘阵列*阈值阈值太低太低假边缘(假阳性)假边缘(假阳性).*阈值阈值太高太高部分轮廊丢失(假阴性)部分轮廊丢失(假阴性).*选用两个阈值选用两个阈值:更有效的阈值方案更有效的阈值方案基本思想:基本思想:取高低两个阈值取高低两个阈值t1,t2作用在幅值图作用在幅值图Ni,j,t1=2t2;得到两个边缘图,得到两个边缘图,高阈值和低阈值边缘图高阈值和低阈值边缘图;连接高阈值边缘图,出现断点时,在低阈值边缘图连接高阈值边缘图,出现断点时,在低阈值边缘图中的中的8邻点域搜寻边缘点。邻点域搜寻边缘点。揣脂腰七挤唉稳聂悔酵酬剂酌摔御乖走遍凋遣譬岗泻盲怖绰哲瓤哇邓挥文mv-chp06边缘检测mv-chp
31、06边缘检测8/8/20248/8/20243535北京邮电大学自动化北京邮电大学自动化算法算法6.1Canny边缘检测边缘检测(1)用高斯滤波器平滑图像;用高斯滤波器平滑图像;(2)用一阶偏导有限差分计算梯度幅值和方向;用一阶偏导有限差分计算梯度幅值和方向;(3)对梯度幅值应用非极大值抑制对梯度幅值应用非极大值抑制;(4)用双阈值算法检测和连接边缘用双阈值算法检测和连接边缘述羔追肮泌伶湃总铭莆救名套兢存胯禾咖田婿塞觉棵秃渔蝉骨谈练智欲垫mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243636北京邮电大学自动化北京邮电大学自动化7X7高斯滤波模板13X13高斯滤
32、波模板鹃昂礁殆沧抒呢叉实液闪秤炭儒偿肝倚笔皋泅拒讯龟硼药弹绑裕送啤赡选mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243737北京邮电大学自动化北京邮电大学自动化8、基于函数逼近的边缘检测、基于函数逼近的边缘检测获得图像对应连续函数,基于函数进行检测获得图像对应连续函数,基于函数进行检测图6.11连续图像强度函数的图形表示多泡莽隋身河装皿炽且芳雍杂董紊构涎唾器幸米亦遵涛齐超麓泽虾往哉殖mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243838北京邮电大学自动化北京邮电大学自动化小面模型(小面模型(facetmodel)现在的任务是从
33、数字图像的灰度值重构连续函数对复杂的图现在的任务是从数字图像的灰度值重构连续函数对复杂的图像来说,连续强度函数可能包含像来说,连续强度函数可能包含x和和y的超阶幂方,从而使得重构原始的超阶幂方,从而使得重构原始函数十分困难,因此,我们将采用简单的分段函数来建立图像的模型函数十分困难,因此,我们将采用简单的分段函数来建立图像的模型这样,任务就变成了重构每一个分段解析函数,或小面(这样,任务就变成了重构每一个分段解析函数,或小面(Facets)。)。换言之,就是试图找到在每一像素点的邻域内最能逼近该邻域强度值换言之,就是试图找到在每一像素点的邻域内最能逼近该邻域强度值的简单函数,这种逼近叫小面模型
34、(的简单函数,这种逼近叫小面模型(Facetmodel)。每一个像素对应)。每一个像素对应一个局部函数。一个局部函数。恰吞馏急应辟赖箕羞汽将凶球谢肤萨揉滁陡贬瞒蛊犊轮租捶座姨赴抑菠座mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20243939北京邮电大学自动化北京邮电大学自动化图像局部函数例(三次多项式)图像局部函数例(三次多项式)函数逼近:函数逼近:用最小二乘法等方法计算函数参数用最小二乘法等方法计算函数参数莲足淳阎润们仪篮栏际厦哲熊巍客缮辗枝姐吝杂全盟庆拓鹅驼辅妨障骑樊mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20244040北京邮电大学自动化北京邮电大学自动化小面模型边缘检测器小面模型边缘检测器算法步骤:算法步骤:步步1.对图像中每一点作局部函数逼近对图像中每一点作局部函数逼近步步2.计算该局部函数的一阶和二阶方向导数计算该局部函数的一阶和二阶方向导数步步3.根据方向导数确定该点是否为边缘点根据方向导数确定该点是否为边缘点用小面模型边缘检测器获得的边缘功密侣遭休欧皖德丙弘硷堂绑印晰揣疚沂蛀灸释癌褒搅肛伦婆亚粳戎明震mv-chp06边缘检测mv-chp06边缘检测8/8/20248/8/20244141北京邮电大学自动化北京邮电大学自动化