图像处理边缘检测算子分类.doc
《图像处理边缘检测算子分类.doc》由会员分享,可在线阅读,更多相关《图像处理边缘检测算子分类.doc(5页珍藏版)》请在三一文库上搜索。
1、图像处理边缘检测算子分类一致性,这个概念我到后面再谈及,有了这个概念之后帮助我们从图像频域分析边缘提取这一过程。表1 图像处理边缘检测算子分类表格基于边缘检测的分析不易受整体光照强度变化的影响,同时利用边缘信息容易凸显目标信息和达到简化处理的目的,因此很多图像理解方法都以边缘为基础。边缘检测强调的是图像对比度。对比度从直观上的理解就是差异的大小,若对于灰度图像来说就是灰度值(亮度值)的差别,若对于彩色图像则是颜色的差异了。这些差异可以增强图像中的边界特征,因为这些边界就是图像对比度较大的体现。这就是我们感知目标边界的大体机制,因为目标的表现就是与它周围的亮度差别。一、水平差分算子、垂直差分算子
2、亮度变化可以通过对相邻点进行差分处理来增强。对水平方向的相邻点进行差分处理可以检测垂直方向上的亮度变化,根据其作用通常被称为水平边缘检测算子(horizontal edge detector),这样就可以检测出垂直边缘Ex;对垂直方向的相邻点进行差分处理可以检测水平方向上的亮度变化,根据其作用通常被称为垂直边缘检测算子(vertical edge detector),这样就可以检测出水平边缘Ey。Ex = |Px,y - Px+1,y|Ey = |Px,y - Px,y+1|将水平边缘检测算子和垂直边缘检测算子结合,就可以同时检测出垂直边缘和水平边缘,即:Ex,y =|Px,y - Px+1,
3、y + Px,y - Px,y+1|由此可以得到Ex,y =|2 x Px,y - Px+1,y - Px,y+1|图1 一阶差分模板利用泰勒级数分析可以知道相邻两点的差值是一阶导数的估算值,误差。如果在相邻两个差分点之间插入一个像素来实现,相当于,相当于用两个相邻点的一阶差分作为新的水平差值Exx,其中Exxx,y = Ex x+1,y + Ex x,y = |Px+1,y - Px,y + Px,y - Px-1,y| = |Px+1,y - Px-1,y |利用泰勒级数分析可以知道一阶微分的估算值是由一个像素隔开的两个点的差值,误差。图2-1 改进的一阶差分模板My图2-2 改进的一阶差
4、分模板Mx二、一阶边缘检测(a) Roberts交叉算子Roberts交叉算子实现的基础是一阶边缘检测,利用两个模板,计算对角线上而不是坐标轴上的两个像素的微分。这里命名这两个模板分别为M+,M-图3-1 Roberts交叉算子模板M+图3-2Roberts交叉算子模板 M-(b) Prewitt边缘检测算子边缘检测类似微分处理,它检测的变化的部分,必然对噪声和图像的亮度变化都有相应处理。因此,把均值处理加入到边缘检测过程中一定要非常谨慎。我们可以把垂直模板Mx扩展成三行,而水平模板My扩展成三列。这样就得到Prewitt边缘检测算子。图4-1 Prewitt算子模板Mx图4-2 Prewit
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 处理 边缘 检测 算子 分类
链接地址:https://www.31doc.com/p-3407869.html