第六讲图像分割.pptVIP

7.4Hough变换检测法算法特点：对ρ、θ量化过粗，直线参数就不精确，过细则计算量增加。因此，对ρ、θ量化要兼顾参数量化精度和计算量。Hough变换检测直线的抗噪性能强，能将断开的边缘连接起来。此外Hough变换也可用来检测曲线。第62页，共88页，星期日，2025年，2月5日拉普拉斯算子拉普拉斯算子的分析：优点：各向同性、线性和位移不变的；对细线和孤立点检测效果较好。缺点：对噪音的敏感，对噪声有双倍加强作用；不能检测出边的方向；常产生双像素的边缘。由于梯度算子和Laplace算子都对噪声敏感，因此一般在用它们检测边缘前要先对图像进行平滑。第30页，共88页，星期日，2025年，2月5日检测效果分析利用Laplacian算子检测图像Laplacian算子原始图像第31页，共88页，星期日，2025年，2月5日Marr算子Marr算子是在Laplacian算子的基础上实现的，它得益于对人的视觉机理的研究，有一定的生物学和生理学意义。由于Laplacian算子对噪声比较敏感，为了减少噪声影响，可先对图像进行平滑，然后再用Laplacian算子检测边缘。平滑函数应能反映不同远近的周围点对给定像素具有不同的平滑作用，因此，平滑函数采用正态分布的高斯函数，即：第32页，共88页，星期日，2025年，2月5日其中σ是方差。用h(x,y)对图像f(x,y)的平滑可表示为：*代表卷积。令r是离原点的径向距离，即r2=x2+y2。对图像g(x,y)采用Laplacian算子进行边缘检测，并根据卷积微分/导数性质，可得：这样，利用二阶导数算子过零点的性质，可确定图像中阶跃边缘的位置。称为高斯－拉普拉斯滤波算子，也称为LOG滤波器，或“墨西哥草帽”。Marr算子第33页，共88页，星期日，2025年，2月5日一维LOG函数及其变换函数二维LOG函数Marr算子?2h-σσ第34页，共88页，星期日，2025年，2月5日由于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，利用检测过零点能提供较可靠的边缘位置。在该算子中，σ的选择很重要，σ小时边缘位置精度高，但边缘细节变化多；σ大时平滑作用大，但细节损失大，边缘点定位精度低。应根据噪声水平和边缘点定位精度要求适当选取σ。Marr算子第35页，共88页，星期日，2025年，2月5日(a)原图(b)▽2h结果(c)正值为白，负值为黑(d)过零点(边缘所在处)利用▽2h检测过零点第36页，共88页，星期日，2025年，2月5日曲面拟合法出发点基于差分检测图像边缘的算子往往对噪声敏感。因此对一些噪声比较严重的图像就难以取得满意的效果。在噪声比较严重的图像中，可以取某像素点(i,j)的一些邻域点做曲面拟合，然后用曲面中心点(i,j)的梯度来近似代替该点的梯度，从而减轻噪声的影响。四点拟合灰度表面法用一平面p(x,y)=ax+by+c来拟合空间四邻像素的灰度值f(x,y)、f(x,y+1)、f(x+1,y)、f(x+1,y+1)。取拟合误差为：第37页，共88页，星期日，2025年，2月5日按拟合测度误差最小准则，将上式分别对a,b,c求导，并令其等于0，可解出参数a,b,c。可推导出：按梯度的定义，由平面p(x,y)=ax+by+c的偏导数很容易求得梯度。可得梯度值为(a2+b2)1/2,可用(|a|+|b|)来近似，或者max(|a|,|b|)来近似。由a和b的表达式可以看出，a为两行像元平均值的差分，b为两列像元平均值的差分。相当于先平滑再求差分，所以对噪声不敏感。曲面拟合法第38页，共88页，星期日，2025年，2月5日这种运算可简化为模板求卷积进行，计算a和b对应的模板如下：曲面拟合法特点其过程是求平均后再求差分，因而对噪声有抑制作用。第39页，共88页，星期日，2025年，2月5日例子梯度算子Roberts算子Prewitt算子Sobel算子Kirsch算子原始图像第40页，共88页，星期日，2025年，2月5日例子Laplacian算子Marr算子曲面拟合法第41页，共88页，星期日，2025年，2月5日7.3边缘跟踪将检测的边缘点连接成线就是边缘跟踪。一般地做法是：从梯度图像中一个边缘点出发，依次有哪些信誉好的足球投注网站并连接相邻边缘点，逐步检测出边界。第42页，共88页，星期日，2025年，2月5日7.3边缘跟踪出发点由于噪音的原因，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和其它边界检测过程，用来归整边