数字图像边缘检测算法的分析实现

❖ 接下来，我们对分离出的脉冲噪声和高斯噪声分别用不同 的滤波算法进行滤波处理。具体步骤如下，如果m ≥ M， 就判定该像素点是脉冲噪声像素点，我们采用中值滤波算 法进行滤波处理；如果m<M，则判定该像素点不是脉冲噪 声像素点，我们采用均值滤波算法进行处理。
可编辑ppt
8
可编辑ppt
9
可编辑ppt
法的滤波效果大大好于利用单独采用中值滤 波算法或均值滤波算法的滤波效果。
可编辑ppt
3
均值滤波算法的基本指导思想是采
用滤波窗口内所用像素灰度值得平 均值来代替中心像素的灰度值。高 斯噪声有很好的滤波效果
中值滤波算法的基本思想让图像中
与周围像素灰度值的差比较大的像
素点改取为与周围像素值比较接近
的值，所以该算法对孤立点噪声像
矢量
梯度的幅值和方向:
|G(x,y)| Gx2 Gy2， 2范数梯度 |G(x,y)|Gx Gy， 1范数梯度
|G(x,y)|ma（ x Gx， Gy， 范数梯
梯度方向就是函数增大时的最
大变化率方向：
a(x,y)arcG tya/G nx)(
可编辑ppt
13
1 Roberts算子
❖ Roberts算子是一种利用局部差分算子寻找边缘的
可编辑ppt
18
3 Prewitt算子
Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻 点的灰度差，在边缘处达到
极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用 。其原理是在图 像空间利用两个方向模板与图
❖ roberts算子 ❖ sobel算子 ❖ laplacian算子 ❖ log算子
可编辑ppt
12
Leabharlann Baidu
经典边缘检测算子
梯度是图像对应二维函数的一阶导数：
梯度是灰度f（x，y）在xy 坐标方向上的导数、表示 灰度f(x，y)在xy坐标方向
G(x,
y)
G Gxy
f fx
y
上的变化率，梯度为方向
❖ 着重讨论，研究的是图像的噪声分离规则。图像的脉冲噪声
（椒盐噪声）常常是一些孤立的像素点，在灰度特征上与其
它像素点有比较明显的区别，通常是其领域中灰度值的正极
值或负极值点。但是这些正极值点或者负极值点并不一定都
是噪声像素点，因为在一些不含有噪声像素点的图像灰度平
滑区域或者有强边界的区域也有正极值点或者负极值点的存
算子，对于边界陡峭且噪比较小的图像检测效果 比较好，它在2×2邻域上计算对角导数，通过 1 范 数衡量梯度的幅值。
10
两个卷积核分别为
0 -1
01
-1 0
可编辑ppt
14
roberts算子实验结果分析
❖ 优点：检测精度比较高，对水平和垂直方向的边缘检测性能好于斜线方 向。
❖ 缺点：易丢失一部分边缘对噪声敏可感编。辑ppt
素的去噪能力特别强，即对脉冲噪
声的去噪效果非常可编辑显ppt 著。
4
可编辑ppt
5
可编辑ppt
6
混合噪声滤波算法
❖ 首先对含有混合噪声的图像通过算法进行噪声检测，即将含 有高斯噪声和脉冲噪声的像素点区分开来；然后针对不同的
噪声对象采用不同的滤波算法进行分别处理。对分离出的脉 冲噪声采用中值滤波，对高斯噪声采用均值滤波
15
2 Sobel算子
❖ 传统的Sobel图像边缘检测方法，是在图像空 间利用两个方向模板与图像进行邻域卷积来 完成的。这两个方向模板一个检测垂直边缘 ，一个检测水平边缘。
可编辑ppt
16
2 Sobel算子
Sobel算子为：
Gx = (z7 + 2z8 + z9) - (z1 + 2z2 + z3) Gy = (z3 + 2z6 + z9) - (z1 + 2z4 + z7)
可编辑ppt
2
图像预处理
❖ 该课题图像噪声主要为脉冲噪声和高斯噪声，
在图像预处理过程中，针对图像的主要噪声
采用中值滤波算法和均值滤波算法可以分别
滤除图像中的脉冲噪声和高斯噪声，但考虑
图像往往会受到脉冲噪声、高斯噪声两种不
同性质噪声的共同干扰，提出了一种混合噪 声滤波算法，经试验表明该混合噪声滤波算
基于图像处理的零件二维几何 尺寸测量算法研究
(图像预处理部分) 2012110031徐扬
可编辑ppt
1
整体思路
❖ 本课题研究的主要思路如下：以计算机为开 发平台，首先利用图像传感器CCD、图像采 集卡、照明系统以及其它硬件构成图像测量 系统，采集被测目标（工业零件）的图像； 然后再VC++6.0软件开发环境中，用C++语 言实现图像预处理、图像边缘检测、图像零 件几何测量等算法，最后针对工业圆形零件 和矩形零件，完成对几何参数测量。
采用数衡量梯度值：
z1 z2 z3 z4 z5 z6 z7 z8 z9
|f | | Gx | + | Gy |
121
-1 0 1
Gy 0 0 0 Gx -2 0 2
-1 -2 -1
-1 0 1
可编辑ppt
17
soble算子实验结果分析
❖ 优点：产生的边缘效果较好 ，对噪声具有平滑作用。
❖ 缺点：存在伪边缘，定位精 度不高
在。以一副8位的256灰度图像为例，脉冲噪声的像素点的灰
度值一定是0或者255，但灰度值位0或者255的像素点不一
定就是图像的噪声像素点。
可编辑ppt
7
❖ 为此，我们还需要通过一定的手段进一步判别出图像的脉 冲噪声像素点。根据图像的脉冲噪声具有孤立分布的性质 ，进一步对极值点是否是脉冲噪声像素点做出判断。我们 设x（i，j）属于正极值点或者负极值点，以x（i，j）为中 心做一个5x5的窗口，以本课题研究的8位的256灰度图像 为例，如果x（i，j）=255，统计窗口内x（i，j） ≠ 255的 像素点的个数，共有m个；如果x（i，j）=0，统计窗口内 x（i，j）≠0的像素点的个数，共有m个，如果当m≥M的时 候，就判定该像素点是脉冲噪声像素点，如果当m<M的时 候，就判定该像素点不是脉冲噪声像素点。M为脉冲噪声 判定阈值，通过大量的实验，我们发现脉冲噪声判定阈值 一般取12-16之间。
10
基于图像处理的零件二维几何 尺寸测量算法研究
(图像边缘检测算法的分析与实现 部分)
2012110038付勇
可编辑ppt
11
经典边缘检测算子
❖ 边 缘 检 测 ： 边缘检测的实质是采用某种算法来提取出图 像中对象与背景间的交界线。
❖ 边缘定义为图像中灰度发生急剧变化的区域边界。图像 灰度的变化情况可以用图像灰度分布的梯度来反映，因 此我们可以用局部图像微分技术来获得边缘检测算子。