第六章图像分割与边缘检测资料.ppt

一般认为沿边缘方向的灰度变化比较平缓，而边缘法线方向的灰度变化比较剧烈。图像上的边缘点可能对应不同的物理意义。 如图9-8所示，图像上的边缘点包括以下几种情况： 图9-8 图像中的边缘点 边缘点的几种情况： (1) 空间曲面上的不连续点。如标为A的边缘线，这些边缘线为两个不同曲面或平面的交线，该点处物体表面的法线方向不连续，在A类边缘线的两边，图像的灰度值有明显的不同。 (2) 物体与背景的分界线。图中标注为B的边缘线是物体与背景的分界线，如图中圆柱上有两条B类边缘线，这类边缘线一般称为外轮廓线。 (3) 不同材料组成的边缘线。图中标注为C的边缘线是由不同材料或相同材料不同颜色所产生的。 (4) 阴影引起的边缘。图中标注为D的边缘线是阴影引起的边缘。由于物体表面某一部分被另一物体遮挡，使它得不到光源的照射或照射不充分，从而引起边缘点两侧灰度值有较大的差异。 典型边缘信号 图像中不同类型的边界 （a） 边界； （b） 线； （c） 折线变化； （d） 缓慢的平滑变化 (a) (b) (d) (c) 罗伯特边缘算子 索贝尔（Sobel）边缘算子 普瑞维特（Prewitt）边缘检测算子 拉普拉斯边缘检测算子 凯西（Kirsch）边缘检测算子 高斯-拉普拉斯(LOG)算子 3. 边 缘 检 测 算 子 1. 罗伯特边缘算子 罗伯特（Robert）边缘检测算子是一种利用局部差分方法寻找边缘的算子，Robert梯度算子所采用的是对角方向相邻两像素值之差，算子形式如下： Robert算子边缘检测结果 2. 索贝尔边缘算子 索贝尔（Sobel）边缘算子所采用的算法是先进行加权平均，然后进行微分运算，算子的计算方法如下： Sobel算子边缘检测结果 3.普瑞维特边缘算子 普瑞维特（Prewitt）边缘检测算子是一种利用局部差分平均方法寻找边缘的算子，它体现了3对像素点像素值之差的平均概念，算子形式如下： Prewitt算子边缘检测结果 4.拉普拉斯边缘算子 拉普拉斯边缘检测算子与前述三个一阶导数算子不同，拉普拉斯算子是一个二阶导数算子，其算子的形式如下： Laplacian算子边缘检测结果 5. 凯西边缘算子 凯西（Kirsch）边缘检测算子需要求出f(x，y)8个方向的平均差分的最大值，计算8个方向模板，该算子可以检测出边缘的方向性信息，并能较好地抑制边缘检测的噪声。 Kirsch算子边缘检测结果 6.高斯-拉普拉斯(LOG)算子 噪声点对边缘检测有较大的影响， 效果更好的边缘检测器是高斯-拉普拉斯(LOG)算子。它把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。 LOG算子（9×9模板）： 本章重点 图像分割的基本概念 区域生成的概念 边缘检测的概念和方法 边缘检测算子 第六章 图像分割与边缘检测 1. 图像分割 2. 边缘检测 3. 边缘检测算子 1. 图 像 分 割 1）先通过看图理解图像分割的概念 将图像分解成构成它的部件和对象 有选择地定位感兴趣对象在图像中的位置和范围 图像分割的基本思路 从简到难，逐级分割 控制背景环境，降低分割难度 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上 2） 概述 数字信号处理按其技术特征可以分为三层结构: 图像处理; 图像分析; 图像理解与识别; 无论是图像处理、分析、理解与识别，其基础工作一般都建立在图像分割的基础上； 将图像中有意义的特征或者应用所需要的特征信息提取出来； 图像分割的最终结果是将图像分解成一些具有某种特征的单元，称为图像的基元； 相对于整幅图像来说，这种图像基元更容易被快速处理。 图像特征 图像特征是指图像中可用作标志的属性，它可以分为统计特征和视觉特征两类。 图像的统计特征是指一些人为定义的特征，通过变换才能得到，如图像的直方图、矩、频谱等； 图像的视觉特征是指人的视觉可直接感受到的自然特征，如区域的亮度、纹理或轮廓等。 图像分割是进行图像分析的关键步骤，也是进一步理解图像的基础； 不同种类的图像，不同的应用要求所需要提取的特征不相同，特征提取方法也就不同； 不存在一种所谓普遍适用的最优方法。 图像的边缘 图像的边缘对人类的视觉系统具有重要的意义，它是人类判别物体的重要依据，是图像的最基本特征。 所谓边缘(又称为边沿)，是指其周围像素灰度