實(shí)驗(yàn)三圖像分割邊緣檢測(cè)

《實(shí)驗(yàn)三圖像分割邊緣檢測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、-實(shí)驗(yàn)三圖像分割與邊緣檢測(cè)上課老師:趙歡喜實(shí)驗(yàn)指導(dǎo):吳磊實(shí)驗(yàn)地點(diǎn):科技樓4樓計(jì)算機(jī)實(shí)驗(yàn)中心時(shí)間:2010.12.14一．實(shí)驗(yàn)?zāi)康?.理解圖像分割的基本概念；2.理解圖像邊緣提取的基本概念；3.掌握進(jìn)行邊緣提取的基本方法；4.掌握用閾值法進(jìn)行圖像分割的基本方法。二．實(shí)驗(yàn)基本原理●圖象邊緣檢測(cè)圖像理解是圖像處理的一個(gè)重要分支，研究為完成某一任務(wù)需要從圖像中提取哪些有用的信息，以及如何利用這些信息解釋圖像。邊緣檢測(cè)技術(shù)對(duì)于處理數(shù)字圖像非常重要，因?yàn)檫吘壥撬崛∧繕?biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來(lái)。在圖像中

2、，邊界表明一個(gè)特征區(qū)域的終結(jié)和另一個(gè)特征區(qū)域的開始，邊界所分開區(qū)域的內(nèi)部特征或?qū)傩允且恢碌?，而不同的區(qū)域內(nèi)部的特征或?qū)傩允遣煌?，邊緣檢測(cè)正是利用物體和背景在某種圖像特性上的差異來(lái)實(shí)現(xiàn)的，這些差異包括灰度，顏色或者紋理特征。邊緣檢測(cè)實(shí)際上就是檢測(cè)圖像特征發(fā)生變化的位置。圖象邊緣檢測(cè)必須滿足兩個(gè)條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置由于噪聲和模糊的存在，檢測(cè)到的邊界可能會(huì)變寬或在某些點(diǎn)處發(fā)生間斷，因此，邊界檢測(cè)包括兩個(gè)基本內(nèi)容：首先抽取出反映灰度變化的邊緣點(diǎn)，然后剔除某些邊界點(diǎn)或填補(bǔ)邊界間斷點(diǎn)，并將這些邊

3、緣連接成完整的線。邊緣檢測(cè)的方法大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。導(dǎo)數(shù)算子具有突出灰度變化的作用，對(duì)圖像運(yùn)用導(dǎo)數(shù)算子，灰度變化較大的點(diǎn)處算得的值比較高，因此可將這些導(dǎo)數(shù)值作為相應(yīng)點(diǎn)的邊界強(qiáng)度，通過(guò)設(shè)置門限的方法，提取邊界點(diǎn)集。一階導(dǎo)數(shù)與是最簡(jiǎn)單的導(dǎo)數(shù)算子，它們分別求出了灰度在x和y方向上的變化率，而方向α上的灰度變化率可以用相應(yīng)公式進(jìn)行計(jì)算;對(duì)于數(shù)字圖像，應(yīng)該采用差分運(yùn)算代替求導(dǎo)。.---一幅數(shù)字圖像的一階導(dǎo)數(shù)是基于各種二維梯度的近似值。圖像f(x,y)在位置(x,y)的梯度定義為下列向量：(3-4)在邊緣檢測(cè)中，

4、一般用這個(gè)向量的大小，用表示(3-5)函數(shù)f在某點(diǎn)的方向?qū)?shù)取得最大值的方向是，方向?qū)?shù)的最大值是稱為梯度模。利用梯度模算子來(lái)檢測(cè)邊緣是一種很好的方法，它不僅具有位移不變性，還具有各向同性。為了運(yùn)算簡(jiǎn)便，實(shí)際中采用梯度模的近似形式。或者傳統(tǒng)的邊緣檢測(cè)算法通過(guò)梯度算子來(lái)實(shí)現(xiàn)的，在求邊緣的梯度時(shí)，需要對(duì)每個(gè)象素位置計(jì)算。在實(shí)際中常用小區(qū)域模板卷積來(lái)近似快速計(jì)算，簡(jiǎn)單有效，即梯度算子一般采用濾波算子的形式來(lái)完成，因此應(yīng)用很廣泛。模板是N*N的權(quán)值方陣，經(jīng)典的梯度算子模板有：Sobel模板、Prewitt模板、Roberts模

5、板、Laplacian模板等。具體模板請(qǐng)見書。拉普拉斯高斯（LoG）算法是一種二階邊緣檢測(cè)方法。它通過(guò)尋找圖像灰度值中二階微分中的過(guò)零點(diǎn)（ZeroCrossing）來(lái)檢測(cè)邊緣點(diǎn)。其原理為，灰度級(jí)變形成的邊緣經(jīng)過(guò)微風(fēng)算子形成一個(gè)單峰函數(shù)，峰值位置對(duì)應(yīng)邊緣點(diǎn)；對(duì)單峰函數(shù)進(jìn)行微分，則峰值處的微分值為0，峰值兩側(cè)符號(hào)相反，而原先的極值點(diǎn)對(duì)應(yīng)二階微分中的過(guò)零點(diǎn)，通過(guò)檢測(cè)過(guò)零點(diǎn)即可將圖像的邊緣提取出來(lái)。(a)原圖(b)邊緣檢測(cè)后的圖(c)閾值處理后的圖圖3-1檢測(cè)具有-45度邊緣的圖例1．點(diǎn)檢測(cè).---原理：常數(shù)灰階區(qū)域中的某孤立

6、點(diǎn)對(duì)某種模板的響應(yīng)絕對(duì)值肯定是最強(qiáng)烈的。最常用的模板有：Matlab實(shí)現(xiàn)方法：g=abs(imfilter(double(f),w))>=T;wherewisaappropriatepointdetectionmaskwhichsatisfiestheabovecondition.實(shí)例：thedetectionofisolatedbrightpointinthedarkgrayareaofthenortheastquadrant.(imagesize:675*675)實(shí)例代碼：f=imread('Fig1002(a)(

7、test_pattern_with_single_pixel).tif');w=[-1-1-1;-18-1;-1-1-1];g=abs(imfilter(double(f),w));T=max(g(:));g=g>=T;subplot(121);imshow(f);title('theoriginalimage');subplot(122);imshow(g(1:end-400,400:end));title('theisolatedpointdetected(onlyapartdisplayed)');=======

8、================================================2．線(通常假定一個(gè)象素厚度)檢測(cè).---原理與上同，典型模板有（主要方向性）：實(shí)例：-450方向線的檢測(cè)：3．邊沿檢測(cè)方法：使用一階或者二階導(dǎo)數(shù)。對(duì)一節(jié)導(dǎo)數(shù)，關(guān)鍵問(wèn)題是怎樣估計(jì)水平和垂直方向的梯度Gx和Gy，二階導(dǎo)數(shù)通常使用Lapla