資源描述:
《利用Sobel,Robert, Laplacian算子進(jìn)行圖像邊緣檢測(cè)》由會(huì)員上傳分享,免費(fèi)在線(xiàn)閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、利用Sobel,Robert,Laplacian算子進(jìn)行圖像邊緣檢測(cè)摘要:邊緣檢測(cè)是圖像處理和計(jì)算機(jī)視覺(jué)中的基本問(wèn)題,邊緣檢測(cè)的目的是標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)。圖像邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量,并且剔除了可以認(rèn)為不相關(guān)的信息,保留了圖像重要的結(jié)構(gòu)屬性。圖像的邊緣檢測(cè)算子有Sobel、Robert和Laplacian等算子。對(duì)于用不同算子進(jìn)行檢測(cè)的圖像會(huì)得到不同的效果。關(guān)鍵詞:Sobel,Robert,Laplacian算子一.圖像邊緣檢測(cè)的簡(jiǎn)介圖像邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量,并且剔除了可以認(rèn)為不相關(guān)的信息,保留了圖像重要的結(jié)構(gòu)屬性。有許多方
2、法用于邊緣檢測(cè),它們的絕大部分可以劃分為兩類(lèi):基于查找一類(lèi)和基于零穿越的一類(lèi)?;诓檎业姆椒ㄍㄟ^(guò)尋找圖像一階導(dǎo)數(shù)中的最大和最小值來(lái)檢測(cè)邊界,通常是將邊界定位在梯度最大的方向。基于零穿越的方法通過(guò)尋找圖像二階導(dǎo)數(shù)零穿越來(lái)尋找邊界,通常是Laplacian過(guò)零點(diǎn)或者非線(xiàn)性差分表示的過(guò)零點(diǎn)。二.邊緣檢測(cè)的基本原理人們對(duì)圖像中的識(shí)別不是通過(guò)設(shè)置閾值來(lái)分割的,在灰度漸變的圖像中無(wú)法區(qū)分其灰度變化的邊界,但如果邊界灰度有突變,則可以區(qū)分兩個(gè)灰度不同的區(qū)域。這是基于灰度不連續(xù)性進(jìn)行分割方法。邊緣的含義體現(xiàn)在灰度的突變上。在前面學(xué)習(xí)中討論了如何使用差分,梯度,拉普
3、拉斯算子及各種高通濾波器處理方法來(lái)對(duì)圖像邊緣進(jìn)行增強(qiáng)。事實(shí)上,只要再進(jìn)行一次閾值處理,便可以將邊緣增強(qiáng)的方法用于邊緣檢測(cè)。但是需要注意的是,對(duì)邊緣處理的目的已經(jīng)不是對(duì)整幅圖像的邊緣進(jìn)行加強(qiáng),而是根據(jù)邊緣來(lái)進(jìn)行圖像分割。邊緣檢測(cè)要按照?qǐng)D像的內(nèi)容和應(yīng)用的要求進(jìn)行,可以先對(duì)圖像做預(yù)處理,使邊緣突出,然后選擇合適的閾值進(jìn)行分割。MATLAB邊緣檢測(cè)函數(shù)為BW=edge(I’,edge-findingmethods’,THRESH,DIRECTION/SIGMA)或BW=edge(I’,edge-findingmethods’,THRESH,SIGMA)其中
4、I為灰度圖像,BW為返回的相同大小的二值圖像。若檢測(cè)到邊沿則返回1,否則返回0。Edge函數(shù)支持6種不同的邊緣檢測(cè)方法?!畇obel’指定Sobel方法,‘prewittsobel’指定Prewittsobel方法,‘roberts’指定Robert方法,‘log’指定Log方法(高斯-拉普拉斯算子),‘zerocross’指定(零交叉法),‘canny’指定坎尼方法(SIGMA為高斯濾波器的標(biāo)準(zhǔn)差)。THRESH指定分割方法的閾值。DIRECTION指定分割方法的方向,可以指定‘horizontal’(水平)或’vertical’(垂直)邊緣,或
5、‘both’(雙向)邊緣(默認(rèn)值)。如果THRESH,DIRECTION,SIGMA默認(rèn),則由MATLAB指定相應(yīng)的數(shù)值。三.邊緣檢測(cè)的方法有許多用于邊緣檢測(cè)的方法,他們大致可分為兩類(lèi):基于搜索和基于零交叉。(1)基于搜索的邊緣檢測(cè)方法首先計(jì)算邊緣強(qiáng)度,通常用一階導(dǎo)數(shù)表示,例如梯度模,然后,用計(jì)算估計(jì)邊緣的局部方向,通常采用梯度的方向,并利用此方向找到局部梯度模的最大值。(2)基于零交叉的方法找到由圖像得到的二階導(dǎo)數(shù)的零交叉點(diǎn)來(lái)定位邊緣。通常用拉普拉斯算子或非線(xiàn)性微分方程的零交叉點(diǎn)。濾波做為邊緣檢測(cè)的預(yù)處理通常是必要的,通常采用高斯濾波。已發(fā)表的邊
6、緣檢測(cè)方法應(yīng)用計(jì)算邊界強(qiáng)度的度量,這與平滑濾波有本質(zhì)的不同。正如許多邊緣檢測(cè)方法依賴(lài)于圖像梯度的計(jì)算,他們用不同種類(lèi)的濾波器來(lái)估計(jì)x-方向和y-方向的梯度。四.圖象邊緣檢測(cè)的基本步驟(1)濾波。邊緣檢測(cè)主要基于導(dǎo)數(shù)計(jì)算,但受噪聲影響。但濾波器在降低噪聲的同時(shí)也導(dǎo)致邊緣強(qiáng)度的損失。(2)增強(qiáng)。增強(qiáng)算法將鄰域中灰度有顯著變化的點(diǎn)突出顯示。一般通過(guò)計(jì)算梯度幅值完成。(3)檢測(cè)。但在有些圖象中梯度幅值較大的并不是邊緣點(diǎn)。最簡(jiǎn)單的邊緣檢測(cè)是梯度幅值閾值判定。(4)定位。精確確定邊緣的位置。五.Sobel,Robert,Laplacian算子比較(1)Sobe
7、l算子:Sobel算子和Prewitt算子都是加權(quán)平均,但是Sobel算子認(rèn)為,鄰域的像素對(duì)當(dāng)前像素產(chǎn)生的影響不是等價(jià)的,所以距離不同的像素具有不同的權(quán)值,對(duì)算子結(jié)果產(chǎn)生的影響也不同。一般來(lái)說(shuō),距離越遠(yuǎn),產(chǎn)生的影響越小。(2)Robert算子:邊緣定位準(zhǔn),但是對(duì)噪聲敏感。適用于邊緣明顯且噪聲較少的圖像分割。Roberts邊緣檢測(cè)算子是一種利用局部差分算子尋找邊緣的算子,Robert算子圖像處理后結(jié)果邊緣不是很平滑。經(jīng)分析,由于Robert算子通常會(huì)在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應(yīng),故采用上述算子檢測(cè)的邊緣圖像常需做細(xì)化處理,邊緣定位的精度不是很
8、高。(3)Laplacian算子:這是二階微分算子。其具有各向同性,即與坐標(biāo)軸方向無(wú)關(guān),坐標(biāo)軸旋轉(zhuǎn)后梯度結(jié)果不變。但是,其