圖像邊緣抽取算法的設(shè)計與實現(xiàn)

1、圖像邊緣抽取算法的設(shè)計與實現(xiàn)圖像邊緣抽取算法的設(shè)計與實現(xiàn) 報告人報告人:張海鵬張海鵬指導(dǎo)老師指導(dǎo)老師:李長河李長河引言 人類視覺系統(tǒng)認(rèn)識目標(biāo)的過程分為兩步:首先,把圖象邊緣與背景分離出來;然后,才能知覺到圖象的細(xì)節(jié),辨認(rèn)出圖象的輪廓 圖象的邊緣是圖象的重要特征,是計算機(jī)視覺、模式識別等的基礎(chǔ),因此邊緣檢測是圖象處理中一個重要的環(huán)節(jié)。 圖象邊緣檢測的基本步驟圖象邊緣檢測的基本步驟 （1）濾波。邊緣檢測主要基于導(dǎo)數(shù)計算，但受噪聲影響。但濾波器在降低噪聲的同時也導(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突出顯示。一般通過計算梯度幅值完成。 （3）檢測。但在有些圖象中梯度幅值

2、較大的并不是邊緣點。最簡單的邊緣檢測是梯度幅值閾值判定。 （4）定位。精確確定邊緣的位置。系統(tǒng)實現(xiàn)基本理論及方法 邊緣檢測的基本算法有很多,有梯度算子、方向算子、拉普拉斯算子和坎尼(Canny) 算子等等。幾種常用的邊緣檢測方法有屬于梯度算子的Robert s算子、Sobel 算子和Prewitt 算子、高斯偏導(dǎo)濾波器(LOG) 以及Canny 邊緣檢測器等 Roberts 算子算子 Roberts 算子是一種利用局部差分算子尋找邊緣的算子,它由下式給出: g(x,y) = f(x,y) - f(x+1,y+1)2+f(x+1,y)- f(x,y+1)2 其中f(x,y)f(x+1,y)、f(

3、x,y + 1) 和f(x+1,y+1) 分別為4 領(lǐng)域的坐標(biāo),且是具有整數(shù)像素坐標(biāo)的輸入圖象。 Prewitt 算子算子 Prewitt 算子由下式給出: Sp = ( dx2 + dy2) 1/ 2 (3) Prewitt算子是33算子模板。圖3 所示的2個卷積核dx、dy 形成了Prewitt算子。與Sobel算子的方法一樣,圖象中的每個點都用這2個核進(jìn)行卷積,取最大值作為輸出值。 拉普拉斯算子拉普拉斯算子 拉普拉斯(Laplacian）算子是一種各向同性的二階微分算子，在(x, y)處的值定義為：22222yfxff) 1, () 1, (), 1(), 1(), (42jifjifjifjifjiff總結(jié) 通過以上對經(jīng)典邊緣檢測算子的分析和實際結(jié)果的驗證，得出以下結(jié)論：1） Roberts算子簡單直觀，Laplace算子利用二階導(dǎo)數(shù)零交叉特性檢測邊緣。兩種算子定位精度高，但受噪聲影響大；Laplace算子只能獲得邊緣位置信息，不能得到邊緣的方向等信息。2） Sobel算子和Prewitt算子具有平滑作用，能濾除一些噪聲，去掉部分偽邊緣，但同時也平滑了真正的邊緣；定位精度不高。Sobel算子可提供最精確的邊緣方向估