边缘提取 图象处理及应用 教学课件.pptVIP

* 图象处理及应用 第四章 图象的边缘提取 无论是过井裂缝还是垂直裂缝，在成象成果图上与周围介质有着明显的灰度或色彩阶跃变化，因此，可以通过边缘提取将其与周围岩层交互的边界识别出来。边界确定了，裂缝的区域也就唯一的确定了。利用计算机对裂缝边缘进行提取处理有两个目的：一是产生出更适合人观察和识别的图象，二是希望能由计算机自动识别和理解图象。无论为了那种目的，关键的一步就是能够对包含有大量信息的图象进行分解，分解成一些只含有某一种特性的基元，使图象更容易被人理解或计算机快速处理。 地层层理 裂缝 图象的边缘是图象的最基本特征。所谓边缘是指其周围象素灰度有阶跃变化或屋顶变化的那些象素的集合，边缘广泛地存在于物体和背景之间、物体与物体之间、基元与基元之间。因此，它是图象分割所依赖的重要特征。在图象识别的应用中，图象边缘也是非常重要的特征之一。图象边缘保留了原始图象中相当重要的部分信息，而又使得总的数据量减小了很多，这正符合特征提取的要求。但用于图象识别的边缘提取比起仅仅用于视觉效果增强的边缘提取要复杂一些。 经典的边缘检测方法是构造对象素灰度级阶跃变化敏感的微分算子，其应用效果类似于高频空间域的高通滤波其有增强高频分量的作用。因而，这类算子对噪声是敏感的。一些能有效地抑制噪音的边缘提取的算法是通过先对原图象进行平滑，再进行边缘检测才能成功地得到真正的边缘。 一、边缘检测的原理与方法： 边缘检测是检测图象局部最显著变化的基本运算，在一维情况下，阶跃边缘同图象的一阶导数局部峰值有关，梯度是函数变化的一种度量，而一幅图象可以看作是图象强度连续函数的取样点阵列，因此图象灰度值的显著变化可用梯度的离散逼近函数来检测，梯度是一阶导数的二维等效式，定义矢量： 有两个重要的性质与梯度有关： 矢量的方向就是函数增大时的最大变化率方向；由下式给出， 角是相对轴的角度。 ②梯度的幅值由下式给出 对于数字图象，导数可以用差分来近似表示。 上式可用下面的简单卷积模板来完成: 在计算梯度时,计算空间同一位置处(x，y )的真实偏导数是至关重要的。然而采取上式计算的梯度近似值 和 并不位于同一位置， 实际上是内插点 处的梯度近似值， 是内插点 处的梯度近似值。由于这一缘故，人们常常使用2×2一阶差分模板来求x和y的偏导数： 二、算法： 这种模板就是一种边沿检测器，它在数学上的涵义是 一种基于梯度的滤波器，又称边缘算子。 三、步骤： 边缘检测算法的基本步骤一般可分为以下四步： （1）滤波：边缘检测算法主要是基于图象强度的一阶和二阶导数，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，增强边缘和降低噪声之间需要折中。 （2）增强：增强边缘的基础是确定图象各点邻域强度的变化值，边缘增强一般是通过计算梯度幅值来完成的。 （3）检测：应用边缘检测算子对图象进行边缘检测。 （4）定位：准确定出图象中边缘的位置，这是图象分割的基础。 四、Roberts 算子边缘探测 Roberts交叉算子为梯度幅值计算提供了一种简单的近似方法： 用卷积模板表示方法，上式变成： 其中 和 由下面的模板计算： 五、 Sobel 算子边缘探测 常用的边缘提取的方法很多，实现它的算法常用的一种模板是Sobel算子。Sobel算子也是一种梯度幅值: 写成差分形式如下式所示： 上式写成卷积模板的形式如下： Sobel算子的两个卷积模板分别对应检测水平边缘和检测垂直边缘。 相比而言，sobel算子对于象素位置的影响作了加权，因此效果更好。Sobel算子是最常用的算子之一(它是一种一阶算子)，方法简单效果也不错，但提取出的边缘比较粗，要进行细化处理。 六、kirsch 算子边缘探测 Kirsch算子是一种边缘模板算子。Kirsch算子的样板由理想的边缘图象构成。依次用边缘模样板去检测图象，与被检测区域最为相似的模板给出最大值。用这个最大值作为算子的输出值，可使边缘象素得到增强。对数字图象 的每一个象素 ，考察它的八个邻域点的灰度变化，以其中三个相邻邻点的加权和减去剩下五个邻点的加权和，令三个邻点 环绕不断移位，取其中差值的最大