图像边缘提取算法的分析

10
2020/10/8
Kirsch算子
• 图像中的每个位置都要经过8个模板的作用，最大值被选做输出，达到最大值的模板对 应的方向就是边缘的方向。
• 算法步骤：
a1 a8 a7
m(i, j) max{1, max{5sk 3tk : k 0,1,,7}}
其中
8
sk ak ak1 ak2
tk
-1 0 1
-1 -1 -1
8
2020/10/8
抗噪性能
9
2020/10/8
性能分析
• sobel算子和Prewitt算子都是对图像先作加权平滑处理，然后再作微分运算，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。
20
2020/10/8
Canny算子
• 基本思想：首先对图像选择一定的Gauss滤波器进行平滑 滤波，然后采用非极值抑制技术进行处理得到最后的边缘 图像。
• 算法步骤： (1) 用高斯滤波器平滑图像。 (2) 用一阶偏导的有限差分来计算梯度的幅 值和方向。 (3) 对梯度幅值进行非极大值抑制。 (4) 用双阈值算法检测和连接边缘。
3
2020/10/8
抗噪性能
4
2020/10/8
性能分析
• 利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于 图像没经过平滑处理，因此不具备一直噪声的能力。
• 该算子对具有陡峭边缘且噪声低的图像效果较好。
5
2020/10/8
Sobel算子
• 中心差分，但对中间水平线和垂直线上的四个邻 近点赋予略高的权重。
• 模板：
-1 0 2 -2 0 2 -1 0 1
121 000 -1 -2 -1
• 算法处理处理同Roberts Operator
6
2020/10/8
抗噪性能
7
2020/10/8
Prewitt算子
• 也属于中心差分类型，但没有给最邻近点较高的 权重。
• 模板：
-1 0 1
111
• 算法处-理1 处0 理1同Robe0rts0Op0erator
ak3
a 11 k4
ak7
2020/10/8
7 6
a2 a3
(i, j)
a
4
a6 a5
1 2
3
4 5
抗噪性能
12
2020/10/8
Robinson算子
• 除了模板与kirsch算子不同，其余的运算输出与kirsch算子完全一致。 • 注意算子的对称性(每隔四个符号相反)，可节约计算量
2
2020/10/8
Roberts算子
• 是一种利用局部差分算子寻找边缘的算子，两个模板分别为
• 算法步骤（两种处理方法）：
(1)
10
01
(2) 借鉴canny的处理方法，两个方向分别处理
0 -1
-1 0
Tf (i, j) f (i, j) f (i 1, j 1) 2 f (i 1, j) f (i, j 1) 2
13
2020/10/8
源自文库
抗噪性能
14
2020/10/8
二阶算子检测
• 模板
• 算法步骤：图0像经模1板作用0 后执行跨零点检测(该过程比较复杂)。 1 -4 1
l参Ac考cu文rac献y ：U0sHinUgERL1aTpAlSacaian0nd-GMaEuDssIOiaNnI,MDaestkesc，tio1n98o6f Intensity Changes with Subpixe
23
2020/10/8
24
2020/10/8
18
2020/10/8
抗噪性能
19
2020/10/8
性能分析
• 该算子克服了Laplician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，造成尖锐边缘无法被检测到。
• 原因：作为一个二阶导数，拉普拉斯算子具有对噪声无法接受的敏感性，拉普拉斯算 子产生双边缘，最后拉普拉斯不能检测边缘的方向
报告人：苏白龙
小组成员：苏白龙 孔政 王星晨 余婷 刘海东 许斌 蒋晶晶 李闯 徐青青 傅超
2020/10/8
1
概述
• 成因：
(1)法向不连续； (2)空间深度不同； (3)曲面颜色不同； (4)光照不连续。
• 作用：
(1)改良图像质量；(2)理解和重构视觉场景； (3)分离对象； (4)识别特征； (5)其他。
15
2020/10/8
抗噪性能
16
2020/10/8
性能分析
• 采用不依赖于边缘方向的二阶微分算子，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。
• 产生双边缘
17
21
2020/10/8
抗噪性能
22
2020/10/8
性能分析
• 虽然是基于最优化思想推导出的边缘检测算子，但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(只离散了四个方向)。
• 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。
2020/10/8
LOG算子
• 基本思想：先用高斯函数对图像滤波，然后对滤波后的图像进行拉普拉斯运算，算得 的值等于零的点认为是边界点。
• 算法步骤：
(1)对图像先进行高斯滤波，再进行Laplace算子运算； (2)保留一阶导数峰值的位置记录，然后从中寻找Laplace跨零点； (3)采用插值方法对跨零点进行估计。