圖像邊緣檢測(cè)-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(shí)別目標(biāo)以及解釋圖像提供了一個(gè)重要的特征參數(shù)。v它蘊(yùn)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(shí)別所依賴的重要特征。v如果能成功地檢測(cè)出圖像的邊緣，圖像分析、圖像識(shí)別就會(huì)方便得多，精確度也會(huì)得到提高。3v濾波：邊緣檢測(cè)算法主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計(jì)算對(duì)噪聲很敏感，因此必須使用濾波器來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。v大多數(shù)濾波器在降低噪聲的同時(shí)也導(dǎo)致了邊緣強(qiáng)度的損失，因此，增強(qiáng)邊緣和降低噪聲之間需要

2、折中。v增強(qiáng)：增強(qiáng)邊緣的基礎(chǔ)是確定圖像各點(diǎn)鄰域強(qiáng)度的變化值。增強(qiáng)算法可以將鄰域(或局部)強(qiáng)度值有顯著變化的點(diǎn)突顯出來(lái)。邊緣增強(qiáng)一般是通過(guò)計(jì)算梯度幅值來(lái)完成的。4v檢測(cè)：在圖像中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)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(lái)確定哪些點(diǎn)是邊緣點(diǎn)。最簡(jiǎn)單的邊緣檢測(cè)判據(jù)是梯度幅值閾值判據(jù)。v定位：如果某一應(yīng)用場(chǎng)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(lái)估計(jì)，邊緣的方位也可以被估計(jì)出來(lái)。v在邊緣檢測(cè)算法中，前三個(gè)步驟用得十分普遍。這是因?yàn)榇蠖鄶?shù)場(chǎng)合下，僅僅需要邊緣檢測(cè)器指出邊緣出現(xiàn)在圖像某一像素點(diǎn)的附近，而沒(méi)有必要指出邊緣的精確位置或方向。5線性邊緣檢測(cè)

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(méi)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(cè)出圖像的邊緣。v加入高斯白噪聲后，三種邊緣檢測(cè)算子的邊緣檢測(cè)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(cè)出大量的噪聲點(diǎn)和偽邊緣，甚至無(wú)法檢測(cè)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(cè)算子采用對(duì)角線方向相鄰兩像素之差進(jìn)行梯度幅度檢測(cè)，其檢測(cè)水平和垂直方向邊緣的性能好于斜線方向，并且檢測(cè)定位精度比較高，但對(duì)噪聲敏感。11v(2)Sobel邊緣檢測(cè)算子是綜合圖像每個(gè)象素點(diǎn)的上、下、左、右鄰點(diǎn)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(duì)噪聲具有平滑作用，減小了對(duì)噪聲的敏感性。vSobel邊緣檢測(cè)算子也檢測(cè)出了一些偽邊緣，使得邊緣比較粗，降低了檢測(cè)定位精度。在檢測(cè)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(cè)算子。v(3)Prewitt邊緣檢測(cè)算子是一種

5、類似Sobel邊緣檢測(cè)算子的邊緣模板算子，它同樣對(duì)噪聲有平滑作用。v與Sobel邊緣檢測(cè)算子一樣，它檢測(cè)出的邊緣比較粗，定位精度比較低，容易損失如角點(diǎn)這樣的邊緣信息。12v由于各種原因，圖像總是受到隨機(jī)噪聲的干擾，可以說(shuō)噪聲無(wú)處不在。v經(jīng)典的邊緣檢測(cè)方法由于引入了各種形式的微分運(yùn)算，從而必然引起對(duì)噪聲的極度敏感，邊緣檢測(cè)的結(jié)果常常是把噪聲當(dāng)作邊緣點(diǎn)檢測(cè)出來(lái)，而真正的邊緣也由于受到噪聲干擾而沒(méi)有檢測(cè)出來(lái)。v對(duì)于有噪聲圖像來(lái)說(shuō)，一種好的邊緣檢測(cè)方法應(yīng)該具有良好的噪聲抑制能力，同時(shí)又有完備的邊緣保持特性。13v經(jīng)典的邊緣檢測(cè)算子具有實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算速度快等特點(diǎn)，但其檢測(cè)受噪聲的影響很大，檢測(cè)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(shí)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(cè)出多個(gè)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(cè)出不同尺度上的所有邊緣；v(3)對(duì)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(guò)于簡(jiǎn)單。為解決這一問(wèn)題發(fā)展并產(chǎn)生了平滑濾波邊緣檢測(cè)方法，也就是邊緣檢測(cè)理論中最成熟的線性濾波方法，也稱線性濾波邊緣檢測(cè)算子14v一階微分是一個(gè)矢量，既有大小又有方向，和標(biāo)量相比，它的存儲(chǔ)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(cè)出來(lái)。因此，有必要求出斜率的變化率，即對(duì)圖像函數(shù)進(jìn)

7、行二階微分運(yùn)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(gè)標(biāo)量，屬于各向同性的運(yùn)算，對(duì)灰度突變敏感。在數(shù)字圖像中，可用差分來(lái)近似微分運(yùn)算，其離散計(jì)算形式為：16改進(jìn)的Laplacian算法v原來(lái)的方向外，又增加了8個(gè)方向，共有16個(gè)方向上進(jìn)行檢測(cè)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(cè)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(jìn)的Laplacian算子相對(duì)于原來(lái)的Laplacian算子而言，不但檢測(cè)出來(lái)的邊緣更清晰，而且也檢測(cè)出原來(lái)所沒(méi)有檢測(cè)出的一些邊緣。1718LOG邊緣檢測(cè)v利用圖像強(qiáng)度

8、二階導(dǎo)數(shù)的零交義點(diǎn)來(lái)求邊緣點(diǎn)的算法對(duì)噪聲十分敏感，在邊緣增強(qiáng)之前濾除噪聲。v將高斯濾波和拉普拉斯邊緣檢測(cè)結(jié)合在一起，稱LOG邊緣檢測(cè)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(shí)現(xiàn)時(shí)一般用兩個(gè)不同參數(shù)的高斯函數(shù)的差DOG（Difference of Gaussians）對(duì)圖像作卷積來(lái)近似，這樣檢測(cè)出來(lái)的邊緣點(diǎn)稱為f (x ,y)的過(guò)零點(diǎn)（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(qiáng)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(cè)判據(jù)是二階導(dǎo)

9、數(shù)零交叉點(diǎn)并對(duì)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(jì)邊緣的位置。20v該方法：首先圖像與高斯濾波器進(jìn)行卷積，這一步既平滑了圖像又降低了噪聲，孤立的噪聲點(diǎn)和較小的結(jié)構(gòu)組織將被濾除。v平滑會(huì)導(dǎo)致邊緣的延展，因此邊緣檢測(cè)器只考慮那些具有局部梯度最大值的點(diǎn)為邊緣點(diǎn)。這一點(diǎn)可以用二階導(dǎo)數(shù)的零交叉點(diǎn)來(lái)實(shí)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?yàn)樗且环N無(wú)方向算子。v為了避免檢測(cè)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(diǎn)作為邊緣點(diǎn)。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(qiáng)、檢測(cè)這三個(gè)邊緣檢測(cè)步驟對(duì)使用LOG邊緣檢測(cè)仍然成立，v平滑是用高斯濾波器來(lái)完成的；v增強(qiáng)是將邊緣轉(zhuǎn)換成零交叉點(diǎn)來(lái)實(shí)現(xiàn)的；v邊緣檢測(cè)是通過(guò)檢測(cè)零交叉點(diǎn)來(lái)進(jìn)行的。23v5 5大小的LOG算子模板為：24cannyv傳統(tǒng)的計(jì)算方法是用模板在圖像中每個(gè)象素的鄰域進(jìn)行卷積運(yùn)算，如Roberts,Prewitt,Sobel等算子，這些算子的主要缺點(diǎn)是對(duì)噪聲敏感和邊定位精度低。v對(duì)邊緣檢測(cè)方法的有效性進(jìn)行評(píng)價(jià)，Canny提出了三個(gè)邊緣檢測(cè)準(zhǔn)則：v(1)最優(yōu)檢測(cè)：漏檢真實(shí)邊緣的概率和誤檢非邊緣的概率都盡可能小；v(2)最優(yōu)定位準(zhǔn)則：檢測(cè)到的邊緣點(diǎn)的位置距離實(shí)際邊緣點(diǎn)的位置最近，或者是由

11、于噪聲影響引起檢測(cè)出的邊緣偏離物體的真實(shí)邊緣的程度最?。籿(3)檢測(cè)點(diǎn)與邊緣點(diǎn)一一對(duì)應(yīng)：算子檢測(cè)的邊緣點(diǎn)與實(shí)際邊緣點(diǎn)應(yīng)該是一一對(duì)應(yīng)的。25vCanny邊緣檢測(cè)器是高斯函數(shù)的一階導(dǎo)數(shù)，是對(duì)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(jì)算梯度的幅值和方向v對(duì)梯度幅值進(jìn)行非極大值抑制v雙閾值方法檢測(cè)和連接邊緣2627v在沒(méi)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(cè)效果，檢測(cè)效果優(yōu)于經(jīng)典邊緣檢測(cè)方法，Laplacian算子檢測(cè)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(cè)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(cè)不出邊緣；而LOG算子檢測(cè)出大量偽邊緣和噪聲點(diǎn)，并且檢測(cè)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(cè)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(cè)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(duì)圖像中的階越性邊緣點(diǎn)定位準(zhǔn)確，該算子對(duì)噪聲非常敏感，它使噪聲成分得到加強(qiáng)，這兩個(gè)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(cè)邊緣，同時(shí)抗噪聲能力比較差；28v (2)LOG算子首先用高斯函數(shù)對(duì)圖像作平滑濾波處理，然后才使用Laplaci

13、an算子檢測(cè)邊緣，因此克服了Laplacian算子抗噪聲能力比較差的缺點(diǎn)，v在抑制噪聲的同時(shí)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(wú)法被檢測(cè)到。v應(yīng)用LOG算子時(shí)，高斯函數(shù)中方差參數(shù)的選則很關(guān)鍵，這對(duì)圖像邊緣檢測(cè)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(duì)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(shí)信號(hào)的邊緣也被平滑了，造成某些邊緣點(diǎn)的丟失。v越小，通頻帶越寬，可以檢測(cè)到圖像的更高頻率的細(xì)節(jié)，但對(duì)噪聲的抑制能力相對(duì)下降，容易出現(xiàn)虛假邊緣。因此，應(yīng)用LOG算子時(shí)，為取得更佳的效果應(yīng)該對(duì)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(cè)算子，但實(shí)際效果并不一定最優(yōu)，原因在于理論和實(shí)際有許多不一致的地方。該算子同樣采用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，因此具有較強(qiáng)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(cè)和連接邊緣，它采用的多尺度檢測(cè)和方向性搜索較LOG算子要好。30傳統(tǒng)基于微分邊緣檢測(cè)的優(yōu)缺點(diǎn)v圖像邊緣：圖像亮度發(fā)生突變。信號(hào)的突變常常運(yùn)用微分進(jìn)行表示。v1)Roberts：采用對(duì)角線方向相鄰兩像素之差表示信號(hào)的突變，檢測(cè)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(duì)噪聲敏感，檢測(cè)出的邊緣較細(xì)。v(2)Sobel邊緣檢測(cè)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(duì)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(duì)噪聲有平滑作用，檢測(cè)出的邊緣比較粗，定位精度，容易損失角點(diǎn)。31v上述邊緣檢測(cè)算子具有實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算速度快等特點(diǎn)，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(shí)際邊緣灰度與理想邊緣灰度值間存在差異，可能檢測(cè)出多個(gè)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(guò)于簡(jiǎn)單，對(duì)噪聲都比較敏感。32v4)Laplacian：算子二階微分算子，對(duì)圖像中的階躍性邊緣點(diǎn)定位準(zhǔn)確，對(duì)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(cè)邊緣。v5）LOG算子：首先用高斯函數(shù)進(jìn)行濾波，然后使用Laplacian算子檢測(cè)邊緣，克服了Laplacian算子抗噪聲能力比較差的缺點(diǎn)，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(diǎn)的丟失。越小，噪聲抑制能力相對(duì)下降，容易出現(xiàn)虛假邊緣。v6）Canny：采用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，因此具有較強(qiáng)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(cè)和連接邊緣，邊緣的連續(xù)性較好。33基于微分邊緣檢測(cè)的不足v邊緣是灰度不連續(xù)的結(jié)果。邊緣檢測(cè)是根據(jù)引起圖像灰度變化來(lái)描述圖像。v圖像灰度不連續(xù)性的物理過(guò)

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(shí)際場(chǎng)合中，圖像數(shù)據(jù)往往被噪聲污染。邊緣檢測(cè)方法要求既能檢測(cè)到邊緣的精確位置，又可以抑制無(wú)關(guān)細(xì)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(diǎn)從一個(gè)物體或者一個(gè)表面到另外一個(gè)物體或表面的變化。35圖像的邊緣：是指圖像像素點(diǎn)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?yàn)長(zhǎng)AB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(yùn)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(duì)彩色的描述應(yīng)該與人對(duì)彩色的感知越近越好。從視覺(jué)感知均勻的角度，人所感知到的兩個(gè)顏色之間的距離應(yīng)該與這兩個(gè)顏色在表達(dá)它們的顏色空間中距離越成比例越好。如果在一個(gè)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(diǎn)間的歐式距離對(duì)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(jué)感知的彩色模型。本文選用基于對(duì)立色理論和參考白點(diǎn)模型均勻彩色空間模型，對(duì)彩色圖像進(jìn)行分析。40在分析圖像在能量和色度方面的特征時(shí)，采用基于梯度的方法，此方法能夠在一定程度上克服噪聲