数字图像处理 第八章
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
10
梯度算子
Z1 Z2 Z3
Z4 Z5 Z6 -1 -1 -1
Prewitt算子
-1
-1
0
0
1
1
0
1
0
1
0
1
Z7 Z8 Z9
-1
0
1
Gx (Z 7 Z8 Z9 ) ( Z1 Z 2 Z 3 ) Gy (Z 3 Z 6 Z9 ) ( Z1 Z 4 Z 7 )
2 2
1
2
Gy ( x, y) arctan( ) Gx
7
梯度算子
近似计算
M1 | Gx | | Gy |
M 2 Gx Gy
2
2
M Max(Gx , Gy )
数字图像处理中用差分代替微分
8
梯度算子
Z1 Z2 Z3
Z4 Z5 Z6 Z7 Z8 Z9 -1 0 0 1
第八章 图像分割
1
8.1
概述
2
图像分割
分割出来的各区域对某种性质例如灰度，纹
理而言具有相似性，区域内部是连通的的且 没有过多小孔。
特征
区域边界是明确的 相邻区域对分割所依据的性质有明显的差异
3
图像分割
图像 预处理 图像 理解
作用
图 像
图像 识别 图像 分割
图8.1图像分割在整个图像处理过程中的作用
Roberts算子
0
1
-1
0
Gx Z 9 Z 5 Gy Z8 Z 6
9
梯度算子
Z1 Z2 Z3
Z4 Z5 Z6 Z7 Z8 Z9 -1 -2 -1 0 1 0 2 0 1 -1 -2
Sobel算子
0 0
1 2
-1
0
1
Gx (Z7 2Z8 Z9 ) (Z1 2Z2 Z3 ) Gy (Z3 2Z6 Z9 ) (Z1 2Z4 Z7 )
缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过 平滑处理，因此不具备能抑制噪声能力。该算子对具有陡峭边缘 且含噪声少的图像效果较好。
Sobel算子和Prewitt算子：都是对图像先做加权平滑处理，
然后再做微分运算，所不同的是平滑部分的权值有些差异，因此 对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的 虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘 容易出现多像素宽度。
19
算子比较
Laplacian算子：是不依赖于边缘方向的二阶微分算子算子，
对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使 噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的
方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。
20
算子比较
LOG算子：该算子首先用高斯函数对图像作平滑滤波处理，然后
才使用 Laplacian 算子检测边缘，因此克服了 Laplacian 算子抗噪声能力比 较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也
平滑掉了，造成这些尖锐边缘无法检被测到。应用LOG算子，高斯函数
中方差参数的选择很关键，对图像边缘检测效果有很大的影响。高斯滤 波器为低通滤波器，越大，通频带越窄，对较高频率的噪声的抑制作用 越大，避免了虚假边缘的检出，同时信号的边缘也被平滑了，造成某些 边缘点的丢失。反之，越小，通频带越宽，可以检测到的图像更高频率 的细节，但对噪声的抑制能力相对下降，容易出现虚假边缘。因此，应 用LOG算子，为取得更佳的效果，对于不同图像应选择不同参数。
4
图像分割
边缘检测 边缘跟踪 阈值分割 区域分割 运动分割
本章要点
5
8.2 边缘检测
6
梯度算子
梯度算子是一阶导数算子
f Gx x f ( x, y ) Gy f y
幅值
方向角
mag ( f ) (Gx Gy )
缘的位置尽量接近。
对同一边缘要有低的响应次数：有的算子会对一个边缘回
产生多个响应。也就是说图像上本来只有一个边缘点的，可是检 测出来就会出现多个边缘点。
克服噪声的影响
16
Canny算子
用高斯滤波器平滑图像
计算滤波后图像梯度的幅值和方向
算法步骤
对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的
13
拉普拉斯算子
0 1 0 1 1 1 1 -8 1 1 1 1
1 0
-4 1
1 0
图8.5 两种常用的拉普拉斯算子模板
14
拉普拉斯算子
15
Canny算子
出图像真实的边缘的同时要避免检测出现虚假的边缘。
基本思想
好的检测结果：对边缘的错误检测率要尽可能低，在检测
好的边缘定位精度：标记出的边缘位置要和图像上真正边
11
梯度算子
原图
Roberts算子
Sobel算子
Prewitt算子
12
拉普拉斯算子
二阶导数算子
2 2 f ( x , y ) f ( x, y) 2 f ( x, y) 2 x y 2
微分
差分
Fra Baidu bibliotek f ( x, y) f ( x 1, y) f ( x 1, y) f ( x, y 1) f ( x, y 1) 4 f ( x, y)
21
算子比较
Canny算子：Canny算子虽然是基于最优化思想推导出的边缘
检测算子，实际效果并不一定最优，原因在于理论和实际有许多不 一致的地方。该算子同样采用高斯函数对图像作平滑处理，因此具 有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉， 造成边缘丢失。Canny算子其后所采用用双阈值算法检测和连接边 缘，采用的多尺度检测和方向性搜索较LOG算子要好。
局部极大值点，把其它非局部极大值点置零以得到得到细化的 边缘
用双阈值算法检测和连接边缘，使用两个阈值T1和
T2(T1>T2)，T1用来找到每条线段，T2用来在这些线段的两个 方向上延伸寻找边缘的断裂处，并连接这些边缘。
17
Canny算子
实例
18
算子比较
Roberts算子：Roberts算子利用局部差分算子寻找边缘，边
22
8.3
边缘跟踪
23
基本步骤
从图像中一个边缘点出发，然后根据某种判别准则搜索下 一个边缘点以此跟踪出目标边界。
确定边界的起始搜索点，起始点的选择很关键，对某些图
像，选择不同的起始点会导致不同的结果。
确定合适边界判别准则和搜索准则，判别准则用于判断一
个点是不是边界点，搜索准则则指导如何搜索下一个边缘点。
梯度算子
Z1 Z2 Z3
Z4 Z5 Z6 -1 -1 -1
Prewitt算子
-1
-1
0
0
1
1
0
1
0
1
0
1
Z7 Z8 Z9
-1
0
1
Gx (Z 7 Z8 Z9 ) ( Z1 Z 2 Z 3 ) Gy (Z 3 Z 6 Z9 ) ( Z1 Z 4 Z 7 )
2 2
1
2
Gy ( x, y) arctan( ) Gx
7
梯度算子
近似计算
M1 | Gx | | Gy |
M 2 Gx Gy
2
2
M Max(Gx , Gy )
数字图像处理中用差分代替微分
8
梯度算子
Z1 Z2 Z3
Z4 Z5 Z6 Z7 Z8 Z9 -1 0 0 1
第八章 图像分割
1
8.1
概述
2
图像分割
分割出来的各区域对某种性质例如灰度，纹
理而言具有相似性，区域内部是连通的的且 没有过多小孔。
特征
区域边界是明确的 相邻区域对分割所依据的性质有明显的差异
3
图像分割
图像 预处理 图像 理解
作用
图 像
图像 识别 图像 分割
图8.1图像分割在整个图像处理过程中的作用
Roberts算子
0
1
-1
0
Gx Z 9 Z 5 Gy Z8 Z 6
9
梯度算子
Z1 Z2 Z3
Z4 Z5 Z6 Z7 Z8 Z9 -1 -2 -1 0 1 0 2 0 1 -1 -2
Sobel算子
0 0
1 2
-1
0
1
Gx (Z7 2Z8 Z9 ) (Z1 2Z2 Z3 ) Gy (Z3 2Z6 Z9 ) (Z1 2Z4 Z7 )
缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过 平滑处理，因此不具备能抑制噪声能力。该算子对具有陡峭边缘 且含噪声少的图像效果较好。
Sobel算子和Prewitt算子：都是对图像先做加权平滑处理，
然后再做微分运算，所不同的是平滑部分的权值有些差异，因此 对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的 虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘 容易出现多像素宽度。
19
算子比较
Laplacian算子：是不依赖于边缘方向的二阶微分算子算子，
对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使 噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的
方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。
20
算子比较
LOG算子：该算子首先用高斯函数对图像作平滑滤波处理，然后
才使用 Laplacian 算子检测边缘，因此克服了 Laplacian 算子抗噪声能力比 较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也
平滑掉了，造成这些尖锐边缘无法检被测到。应用LOG算子，高斯函数
中方差参数的选择很关键，对图像边缘检测效果有很大的影响。高斯滤 波器为低通滤波器，越大，通频带越窄，对较高频率的噪声的抑制作用 越大，避免了虚假边缘的检出，同时信号的边缘也被平滑了，造成某些 边缘点的丢失。反之，越小，通频带越宽，可以检测到的图像更高频率 的细节，但对噪声的抑制能力相对下降，容易出现虚假边缘。因此，应 用LOG算子，为取得更佳的效果，对于不同图像应选择不同参数。
4
图像分割
边缘检测 边缘跟踪 阈值分割 区域分割 运动分割
本章要点
5
8.2 边缘检测
6
梯度算子
梯度算子是一阶导数算子
f Gx x f ( x, y ) Gy f y
幅值
方向角
mag ( f ) (Gx Gy )
缘的位置尽量接近。
对同一边缘要有低的响应次数：有的算子会对一个边缘回
产生多个响应。也就是说图像上本来只有一个边缘点的，可是检 测出来就会出现多个边缘点。
克服噪声的影响
16
Canny算子
用高斯滤波器平滑图像
计算滤波后图像梯度的幅值和方向
算法步骤
对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的
13
拉普拉斯算子
0 1 0 1 1 1 1 -8 1 1 1 1
1 0
-4 1
1 0
图8.5 两种常用的拉普拉斯算子模板
14
拉普拉斯算子
15
Canny算子
出图像真实的边缘的同时要避免检测出现虚假的边缘。
基本思想
好的检测结果：对边缘的错误检测率要尽可能低，在检测
好的边缘定位精度：标记出的边缘位置要和图像上真正边
11
梯度算子
原图
Roberts算子
Sobel算子
Prewitt算子
12
拉普拉斯算子
二阶导数算子
2 2 f ( x , y ) f ( x, y) 2 f ( x, y) 2 x y 2
微分
差分
Fra Baidu bibliotek f ( x, y) f ( x 1, y) f ( x 1, y) f ( x, y 1) f ( x, y 1) 4 f ( x, y)
21
算子比较
Canny算子：Canny算子虽然是基于最优化思想推导出的边缘
检测算子，实际效果并不一定最优，原因在于理论和实际有许多不 一致的地方。该算子同样采用高斯函数对图像作平滑处理，因此具 有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉， 造成边缘丢失。Canny算子其后所采用用双阈值算法检测和连接边 缘，采用的多尺度检测和方向性搜索较LOG算子要好。
局部极大值点，把其它非局部极大值点置零以得到得到细化的 边缘
用双阈值算法检测和连接边缘，使用两个阈值T1和
T2(T1>T2)，T1用来找到每条线段，T2用来在这些线段的两个 方向上延伸寻找边缘的断裂处，并连接这些边缘。
17
Canny算子
实例
18
算子比较
Roberts算子：Roberts算子利用局部差分算子寻找边缘，边
22
8.3
边缘跟踪
23
基本步骤
从图像中一个边缘点出发，然后根据某种判别准则搜索下 一个边缘点以此跟踪出目标边界。
确定边界的起始搜索点，起始点的选择很关键，对某些图
像，选择不同的起始点会导致不同的结果。
确定合适边界判别准则和搜索准则，判别准则用于判断一
个点是不是边界点，搜索准则则指导如何搜索下一个边缘点。