圖像邊緣檢測-文檔資料

1、12v邊緣存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域之間，是圖像最基本的特征之一為人們描述或識別目標(biāo)以及解釋圖像提供了一個重要的特征參數(shù)。v它蘊含了圖像豐富的內(nèi)在信息（如方向、階越性質(zhì)與形狀等）；v紋理特征的重要信息源和形狀特征的基礎(chǔ)；v圖像分割、圖像分類、圖像配準(zhǔn)和模式識別所依賴的重要特征。v如果能成功地檢測出圖像的邊緣，圖像分析、圖像識別就會方便得多，精確度也會得到提高。3v濾波：邊緣檢測算法主要是基于圖像強度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。v大多數(shù)濾波器在降低噪聲的同時也導(dǎo)致了邊緣強度的損失，因此，增強邊緣和降低噪聲之間需要

2、折中。v增強：增強邊緣的基礎(chǔ)是確定圖像各點鄰域強度的變化值。增強算法可以將鄰域(或局部)強度值有顯著變化的點突顯出來。邊緣增強一般是通過計算梯度幅值來完成的。4v檢測：在圖像中有許多點的梯度幅值比較大，而這些點在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點是邊緣點。最簡單的邊緣檢測判據(jù)是梯度幅值閾值判據(jù)。v定位：如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可在子像素分辨率上來估計，邊緣的方位也可以被估計出來。v在邊緣檢測算法中，前三個步驟用得十分普遍。這是因為大多數(shù)場合下，僅僅需要邊緣檢測器指出邊緣出現(xiàn)在圖像某一像素點的附近，而沒有必要指出邊緣的精確位置或方向。5線性邊緣檢測

3、vThe basic idea is to detect the difference of intensity. symmetric difference has less space resolution than forward difference.678910v在圖像沒有噪聲的情況下，Roberts算子、Sobel算子、Prewitt算子，都能夠比較準(zhǔn)確的檢測出圖像的邊緣。v加入高斯白噪聲后，三種邊緣檢測算子的邊緣檢測效果都多少受到噪聲的干擾，v隨著噪聲的增加，噪聲的影響加重，檢測出大量的噪聲點和偽邊緣，甚至無法檢測出邊緣。vRoberts算子受噪聲的影響最大，Sobel算子、Pre

4、witt算子受噪聲影響比Roberts算子小的原因：v (1)Roberts邊緣檢測算子采用對角線方向相鄰兩像素之差進行梯度幅度檢測，其檢測水平和垂直方向邊緣的性能好于斜線方向，并且檢測定位精度比較高，但對噪聲敏感。11v(2)Sobel邊緣檢測算子是綜合圖像每個象素點的上、下、左、右鄰點灰度的加權(quán)和，接近模板中心的權(quán)值較大，不但可以產(chǎn)生較好的邊緣效果，而且對噪聲具有平滑作用，減小了對噪聲的敏感性。vSobel邊緣檢測算子也檢測出了一些偽邊緣，使得邊緣比較粗，降低了檢測定位精度。在檢測定位精度要求不是很高的情況下，Sobel算子是比較常用的邊緣檢測算子。v(3)Prewitt邊緣檢測算子是一種

5、類似Sobel邊緣檢測算子的邊緣模板算子，它同樣對噪聲有平滑作用。v與Sobel邊緣檢測算子一樣，它檢測出的邊緣比較粗，定位精度比較低，容易損失如角點這樣的邊緣信息。12v由于各種原因，圖像總是受到隨機噪聲的干擾，可以說噪聲無處不在。v經(jīng)典的邊緣檢測方法由于引入了各種形式的微分運算，從而必然引起對噪聲的極度敏感，邊緣檢測的結(jié)果常常是把噪聲當(dāng)作邊緣點檢測出來，而真正的邊緣也由于受到噪聲干擾而沒有檢測出來。v對于有噪聲圖像來說，一種好的邊緣檢測方法應(yīng)該具有良好的噪聲抑制能力，同時又有完備的邊緣保持特性。13v經(jīng)典的邊緣檢測算子具有實現(xiàn)簡單、運算速度快等特點，但其檢測受噪聲的影響很大，檢測結(jié)果不可靠

6、，不能準(zhǔn)確判定邊緣的存在及邊緣的準(zhǔn)確位置，造成這種情況的原因：v(1)實際邊緣灰度與理想邊緣灰度值間存在差異，這類算子可能檢測出多個邊緣；v(2)邊緣存在的尺度范圍各不相同，這類算子固定的大小不利于檢測出不同尺度上的所有邊緣；v(3)對噪聲都比較敏感。v這類算子存在上述缺陷的關(guān)鍵是其等效平滑算子過于簡單。為解決這一問題發(fā)展并產(chǎn)生了平滑濾波邊緣檢測方法，也就是邊緣檢測理論中最成熟的線性濾波方法，也稱線性濾波邊緣檢測算子14v一階微分是一個矢量，既有大小又有方向，和標(biāo)量相比，它的存儲量大。另外，在具有等斜率的寬區(qū)域上，有可能將全部區(qū)域都當(dāng)作邊緣檢測出來。因此，有必要求出斜率的變化率，即對圖像函數(shù)進

7、行二階微分運算15vLaplacian算子提取邊緣的形式，即二階偏導(dǎo)數(shù)的和，它是一個標(biāo)量，屬于各向同性的運算，對灰度突變敏感。在數(shù)字圖像中，可用差分來近似微分運算，其離散計算形式為：16改進的Laplacian算法v原來的方向外，又增加了8個方向，共有16個方向上進行檢測的模板，v根據(jù)Laplacian算子的可靠性設(shè)定了適當(dāng)?shù)臋?quán)向量。根據(jù)該估算模板，可以提高邊緣檢測的精度，v由于合理地設(shè)置了參數(shù)，因而避免了一些偽邊緣的提取。v改進的Laplacian算子相對于原來的Laplacian算子而言，不但檢測出來的邊緣更清晰，而且也檢測出原來所沒有檢測出的一些邊緣。1718LOG邊緣檢測v利用圖像強度

8、二階導(dǎo)數(shù)的零交義點來求邊緣點的算法對噪聲十分敏感，在邊緣增強之前濾除噪聲。v將高斯濾波和拉普拉斯邊緣檢測結(jié)合在一起，稱LOG邊緣檢測算子。v為抑制噪聲，可先作平滑濾波然后再作二次微分，通常采用高斯函數(shù)作平滑濾波，故有LOG(Laplacian of Gaussian)算子。v在實現(xiàn)時一般用兩個不同參數(shù)的高斯函數(shù)的差DOG（Difference of Gaussians）對圖像作卷積來近似，這樣檢測出來的邊緣點稱為f (x ,y)的過零點（Zero-crossing）。19v基本特征是：v(1)平滑濾波器是高斯濾波器；v(2)增強步驟采用二階導(dǎo)數(shù)(二維拉普拉斯函數(shù))；v(3)邊緣檢測判據(jù)是二階導(dǎo)

9、數(shù)零交叉點并對應(yīng)一階導(dǎo)數(shù)的較大峰值；v(4)使用線性內(nèi)插方法在子像素分辨率水平上估計邊緣的位置。20v該方法：首先圖像與高斯濾波器進行卷積，這一步既平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結(jié)構(gòu)組織將被濾除。v平滑會導(dǎo)致邊緣的延展，因此邊緣檢測器只考慮那些具有局部梯度最大值的點為邊緣點。這一點可以用二階導(dǎo)數(shù)的零交叉點來實現(xiàn)。v拉普拉斯函數(shù)用作二維二階導(dǎo)數(shù)的近似，是因為它是一種無方向算子。v為了避免檢測出非顯著邊緣，應(yīng)選擇一階導(dǎo)數(shù)大于某一閾值的零交叉點作為邊緣點。2122v稱之為墨西哥草帽算子。v(1)求圖像與高斯濾波器卷積，再求卷積的拉普拉斯變換；v(2)求高斯濾波器的拉普拉斯變換，再求與圖

10、像的卷積。v濾波、增強、檢測這三個邊緣檢測步驟對使用LOG邊緣檢測仍然成立，v平滑是用高斯濾波器來完成的；v增強是將邊緣轉(zhuǎn)換成零交叉點來實現(xiàn)的；v邊緣檢測是通過檢測零交叉點來進行的。23v5 5大小的LOG算子模板為：24cannyv傳統(tǒng)的計算方法是用模板在圖像中每個象素的鄰域進行卷積運算，如Roberts,Prewitt,Sobel等算子，這些算子的主要缺點是對噪聲敏感和邊定位精度低。v對邊緣檢測方法的有效性進行評價，Canny提出了三個邊緣檢測準(zhǔn)則：v(1)最優(yōu)檢測：漏檢真實邊緣的概率和誤檢非邊緣的概率都盡可能?。籿(2)最優(yōu)定位準(zhǔn)則：檢測到的邊緣點的位置距離實際邊緣點的位置最近，或者是由

11、于噪聲影響引起檢測出的邊緣偏離物體的真實邊緣的程度最??；v(3)檢測點與邊緣點一一對應(yīng)：算子檢測的邊緣點與實際邊緣點應(yīng)該是一一對應(yīng)的。25vCanny邊緣檢測器是高斯函數(shù)的一階導(dǎo)數(shù)，是對信噪比與定位之乘積的最優(yōu)化逼近算子。v平滑圖像：用一維高斯函數(shù)v計算梯度的幅值和方向v對梯度幅值進行非極大值抑制v雙閾值方法檢測和連接邊緣2627v在沒有噪聲的情況下，Laplacian算子、LOG算子和Canny算子都可以得到比較好的檢測效果，檢測效果優(yōu)于經(jīng)典邊緣檢測方法，Laplacian算子檢測出的邊緣較粗，而且存在大量的偽邊緣。v當(dāng)加入高斯白噪聲后，Laplacian算子、LOG算子檢測效果都不同程度的

12、受到噪聲的影響，Laplacian算子受噪聲影響最明顯，幾乎檢測不出邊緣；而LOG算子檢測出大量偽邊緣和噪聲點，并且檢測出的邊緣不全；雖然Canny算子在噪聲嚴(yán)重的情況下，也受到一定的影響檢測出的邊緣有少量殘缺，并出現(xiàn)少量的偽邊緣，但Canny算子的檢測效果總體上還是比較滿意的。v1)Laplacian算子是不依賴于邊緣方向的二階微分算子，對圖像中的階越性邊緣點定位準(zhǔn)確，該算子對噪聲非常敏感，它使噪聲成分得到加強，這兩個特性使得該算子容易丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測邊緣，同時抗噪聲能力比較差；28v (2)LOG算子首先用高斯函數(shù)對圖像作平滑濾波處理，然后才使用Laplaci

13、an算子檢測邊緣，因此克服了Laplacian算子抗噪聲能力比較差的缺點，v在抑制噪聲的同時也可能將原有的比較尖銳的邊緣也平滑掉了，造成這些尖銳邊緣無法被檢測到。v應(yīng)用LOG算子時，高斯函數(shù)中方差參數(shù)的選則很關(guān)鍵，這對圖像邊緣檢測效果有很大的影響。v高斯濾波器為低通濾波器，越大，通頻帶越窄，對較高頻率噪聲的抑制作用越大，避免了虛假邊緣的檢出，但同時信號的邊緣也被平滑了，造成某些邊緣點的丟失。v越小，通頻帶越寬，可以檢測到圖像的更高頻率的細節(jié)，但對噪聲的抑制能力相對下降，容易出現(xiàn)虛假邊緣。因此，應(yīng)用LOG算子時，為取得更佳的效果應(yīng)該對不同圖像選擇不同參數(shù)；29v(3)Canny算子雖然是基于最優(yōu)

14、化思想推出的邊緣檢測算子，但實際效果并不一定最優(yōu)，原因在于理論和實際有許多不一致的地方。該算子同樣采用高斯函數(shù)對圖像進行平滑處理，因此具有較強的噪聲抑制能力；同樣該算子也將一些高頻邊緣平滑掉，造成邊緣丟失。Canny算子之后采用了雙閾值算法檢測和連接邊緣，它采用的多尺度檢測和方向性搜索較LOG算子要好。30傳統(tǒng)基于微分邊緣檢測的優(yōu)缺點v圖像邊緣：圖像亮度發(fā)生突變。信號的突變常常運用微分進行表示。v1)Roberts：采用對角線方向相鄰兩像素之差表示信號的突變，檢測水平和垂直方向邊緣的性能好于斜線方向，定位精度比較高，但對噪聲敏感，檢測出的邊緣較細。v(2)Sobel邊緣檢測算子是像素鄰域的加權(quán)

15、和，模板中心值較大，不但產(chǎn)生較好的邊緣效果，而且對噪聲具有平滑作用。但存在偽邊緣，邊緣比較粗定位精度低。v(3)Prewitt對噪聲有平滑作用，檢測出的邊緣比較粗，定位精度，容易損失角點。31v上述邊緣檢測算子具有實現(xiàn)簡單、運算速度快等特點，但受噪聲的影響很大，不能準(zhǔn)確判定邊緣存在及準(zhǔn)確定位，造成這種情況的原因：v(1)實際邊緣灰度與理想邊緣灰度值間存在差異，可能檢測出多個邊緣；v(2) 算子尺度固定不利于檢出不同尺度的邊緣；v(3) 平滑算子過于簡單，對噪聲都比較敏感。32v4)Laplacian：算子二階微分算子，對圖像中的階躍性邊緣點定位準(zhǔn)確，對噪聲非常敏感，丟失一部分邊緣的方向信息，造

16、成一些不連續(xù)的檢測邊緣。v5）LOG算子：首先用高斯函數(shù)進行濾波，然后使用Laplacian算子檢測邊緣，克服了Laplacian算子抗噪聲能力比較差的缺點，LOG算子中高斯函數(shù)中方差參數(shù)的選則很關(guān)鍵，越大避免了虛假邊緣的檢出，邊緣也被平滑造成邊緣點的丟失。越小，噪聲抑制能力相對下降，容易出現(xiàn)虛假邊緣。v6）Canny：采用高斯函數(shù)對圖像進行平滑處理，因此具有較強的噪聲抑制能力；同樣該算子也將一些高頻邊緣平滑掉，造成邊緣丟失，采用了雙閾值算法檢測和連接邊緣，邊緣的連續(xù)性較好。33基于微分邊緣檢測的不足v邊緣是灰度不連續(xù)的結(jié)果。邊緣檢測是根據(jù)引起圖像灰度變化來描述圖像。v圖像灰度不連續(xù)性的物理過

17、程可能是幾何方面的，光學(xué)方面的。v幾何方面：深度的不連續(xù)性、表面取向、顏色和紋理的不同。v光學(xué)方面：表面反射、非目標(biāo)物體產(chǎn)生的陰影以及內(nèi)部倒影等。v在實際場合中，圖像數(shù)據(jù)往往被噪聲污染。邊緣檢測方法要求既能檢測到邊緣的精確位置，又可以抑制無關(guān)細節(jié)和噪聲。34目標(biāo)輪廓提取圖像的輪廓：即圖像的邊界，它是指在圖像平面內(nèi)，像素點從一個物體或者一個表面到另外一個物體或表面的變化。35圖像的邊緣：是指圖像像素點的灰度值發(fā)生突變的區(qū)域。361.基于方向能量的圖像邊緣特征提取372.基于色度的邊緣特征提取383.基于紋理的邊緣特征提取39因為LAB顏色空間最能夠反映自然光照下物體的特性，而且與人類的感知相一致，因此在運用方向能量、色度和紋理提取圖像邊緣特征之前，首先將圖像從RGB轉(zhuǎn)換到LAB。v從圖像處理的角度看，對彩色的描述應(yīng)該與人對彩色的感知越近越好。從視覺感知均勻的角度，人所感知到的兩個顏色之間的距離應(yīng)該與這兩個顏色在表達它們的顏色空間中距離越成比例越好。如果在一個顏色空間中，所觀察到的兩種彩色的區(qū)別程度與該彩色空間中兩點間的歐式距離對應(yīng)，則稱該空間為均勻彩色空間。均勻彩色空間模型本質(zhì)上是面向視覺感知的彩色模型。本文選用基于對立色理論和參考白點模型均勻彩色空間模型，對彩色圖像進行分析。40在分析圖像在能量和色度方面的特征時，采用基于梯度的方法，此方法能夠在一定程度上克服噪聲