matlab圖像的銳化處理及邊緣檢測

《matlab圖像的銳化處理及邊緣檢測》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、實用標準文案Matlab圖像銳化處理及邊緣檢測本章要點：t圖像邊緣銳化的基本方法t微分運算t梯度銳化t邊緣檢測6．1圖像邊緣銳化的基本方法物體的邊緣是以圖像局部特性不連續(xù)性的形式出現(xiàn)。本質(zhì)上邊緣常意味著一個區(qū)域的終結(jié)和另一個區(qū)域的開始。圖像邊緣信息在圖像分析和人的視覺中都是十分重要的，是圖像識別中提取圖像特征的一個重要特性。圖像的邊緣有方向和幅度兩個特性。通常，延邊緣走向的像素變化平緩，而垂直于邊緣走向的像素變化劇烈。邊緣的描述包含以下幾個方面：（1）邊緣點——它兩邊像素的灰度值有顯著的不同。邊

2、緣點也存在于這樣一對鄰點之間即一個在較亮的區(qū)域內(nèi)部，另一個在外部。（2）邊緣法線方向——在某點灰度變化最劇烈的方向，與邊緣方向垂直。（3）邊緣方向——與邊緣法線方向垂直，是目標邊界的切線方向。（4）邊緣位置——邊緣所在的坐標位置。（5）邊緣強度——沿邊緣法線方向圖像局部的變化強度的量度。粗略地區(qū)分邊緣種類可以有兩種，其一是階躍狀邊緣，它兩邊像素的灰度值有顯著的不同，其二是屋頂狀邊緣，它位于灰度值從增加到減少的變化轉(zhuǎn)折點。這些變化分別對應(yīng)景物中不同的物理狀態(tài)。邊緣是圖像上灰度變化比較劇烈的地方，如

3、果一個像素落在圖像中某一個物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級的變化帶。對這種變化最有用的兩個特征是灰度的變化率和方向，在灰度變化突變處進行微分，將產(chǎn)生高值。經(jīng)典的邊緣提取方法是考慮圖像的每個像素在某個領(lǐng)域內(nèi)的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律，來檢測邊緣。圖像灰度值的顯著變化可以用一階差分替代一階微分的梯度來表示，它們分別以梯度向量的幅度和方向來表示。因此圖像中陡峭邊緣的梯度值將是很大的；那些灰度變化平緩的地方，梯度值是比較小的；而那些灰度值相同的地方，梯度值將為零。圖像經(jīng)過梯

4、度運算能靈敏地檢測出邊界線，這種微分邊緣檢測算子運算簡單易行，但有方向性。利用計算機進行圖像銳化處理有兩個目的，一是與柔化處理相反，增強圖像邊緣，使模糊的圖像變得更加清晰起來，顏色變得鮮明突出，圖像的質(zhì)量有所改善，產(chǎn)生更適合人觀察和識別的圖像，本章的梯度銳化就是介紹這方面的內(nèi)容。二是希望經(jīng)過銳化處理后，目標物體的邊緣鮮明，以便于計算機提取目標物體的邊界、對圖像進行分割、目標區(qū)域識別、區(qū)域形狀提取等，為圖像理解和分析打下基礎(chǔ)，目前它已成為機器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的

5、地位，本章的邊緣檢測算子就是介紹這方面的內(nèi)容。與圖像平滑處理相對應(yīng)，圖像銳化也可以分為空間域圖像銳化法和空間頻率域圖像銳化法兩大類型?？臻g頻率域圖像銳化的方法將在第九章介紹，本章介紹邊緣增強及邊緣檢測的方法，基于空間域處理，為分割及目標物體特征提取打下基礎(chǔ)。精彩文檔實用標準文案6.2微分運算邊緣是由相鄰域灰度級不同像素點構(gòu)成的，若想增強邊緣，就應(yīng)該突出相鄰點間灰度級的變化。如下圖所示，不難發(fā)現(xiàn)原圖中左邊暗，右邊亮，中間存在著一條明顯的邊界。0012552552552551112542532542

6、54000255255253253110254254254254注意：由于計算機顯示屏幕的坐標原點在視窗的左上角，顯示屏幕的坐標系如圖6-1所示。(0,0)xf(x,y)y圖6-1顯示屏幕的坐標系為了與f(x,y)表示法相一致，圖像f(i,j)中的i代表列，j代表行。如果用右列減去左列，即每一個像素的值為：G(i,j)=f(i,j)-f(i-1,j)結(jié)果如下：0125400000253-110002550-200-1254000可以看出，第3列比其他列的灰度值高很多，在邊界附近，灰度值有明顯的跳

7、變，人眼觀察時，就能發(fā)現(xiàn)一條很明顯的亮邊；在灰度相近的區(qū)域內(nèi)，這么做的結(jié)果使得該點的灰度值接近于0，區(qū)域都很暗。這樣，G(i,j)=f(i,j)-f(i-1,j)就起到了垂直邊沿檢測的作用。如對于上面那幅圖像轉(zhuǎn)置，得到如下圖像數(shù)據(jù)：010101011100255254255254255253255254255254253254255254253254精彩文檔實用標準文案該邊緣是水平方向的，這時如果還用左列減去右列就得不到邊界數(shù)據(jù)，必須是下一行減去上一行，即每一個像素的值為：G(i,j)=-f(i

8、,j-1)+f(i,j)，圖像上得到一條很明顯的亮邊。這就是一種邊沿檢測器，它在數(shù)學(xué)上的涵義是一種基于梯度的濾波器，又稱邊沿算子，梯度是有方向的，和邊沿的方向總是正交(垂直)的。圖像灰度的變化情況可以用灰度分布的梯度來反映。圖像處理中最常用的微分方法是求梯度。對于圖像f(i,j),它在點(i,j)處的梯度是一個矢量，定義為：（6-1）其方向?qū)?shù)在邊緣法線方向上取得局部最大值。怎樣求f(i,j)梯度的局部最大值和方向呢？我們知道f(i,j)沿方向r的梯度為：（6-2）的最大值條件是=0即：=0（6