圖像銳化處理及邊緣.ppt

1、第6章 圖像銳化處理及邊緣檢測,楊 淑 瑩 教授,天津理工大學(xué),6.1 圖像邊緣銳化的基本方法,圖像銳化處理目的: 增強(qiáng)圖像邊緣，目標(biāo)物體的邊緣鮮明，以便于提取目標(biāo)物體的邊界、對圖像進(jìn)行分割、目標(biāo)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(jī)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地位。 圖像邊緣銳化的基本方法 ： 圖像邊緣銳化的基本方法 微分運(yùn)算 梯度銳化 邊緣檢測,6.2 微分運(yùn)算,微分運(yùn)算應(yīng)用在圖像上，可使圖像的輪廓清晰。 本節(jié)介紹的微分運(yùn)算有： 縱向微分運(yùn)算； 橫向微分運(yùn)算； 雙方向一次微分運(yùn)算。,1.單向微分運(yùn)算,0 0 1 255 255 2

2、55 255 1 1 1 254 253 254 254 0 0 0 255 255 253 253 1 1 0 254 254 254 254,0 1 254 0 0 0 0 0 253 -1 1 0 0 0 255 0 -2 0 0 - 1 254 0 0 0,G ( i, j ) = - f ( i, j-1 ) + f ( i , j ),G ( i, j ) = f ( i , j )- f ( i-1, j ),2. 雙向微分,3. 微分運(yùn)算作用,相減的結(jié)果反映了圖像亮度變化率的大小。 像素值保持不變的區(qū)域，相減的結(jié)果為零，即像素為黑； 像素值變化劇烈的區(qū)域，相減后得到較大的變化率

3、，像素灰度值差別越大，則得到的像素就越亮，圖像的垂直邊緣得到增強(qiáng)。,6.2.1 縱向微分運(yùn)算,對灰度圖像f在縱方向進(jìn)行微分，按下式求得： G(i,j)=f(i,j)-f(i-1,j-1) （6-6）,2實(shí)現(xiàn)步驟 (1)取得原圖的數(shù)據(jù)區(qū)指針。 (2)開辟一塊內(nèi)存緩沖區(qū)，并初始化為255。 (3)每個(gè)像素依次循環(huán)，新圖像緩沖區(qū)中的當(dāng)前像素的灰度值等于原圖中當(dāng)前像素的灰度值與其左方的像素的灰度值之差的絕對值。 (4)將緩沖區(qū)中的圖像復(fù)制回原圖數(shù)據(jù)區(qū)。,4效果對比圖 (a)原圖 (b)縱向微分運(yùn)算 圖6-2縱向微分運(yùn)算,6.2.2 橫向微分運(yùn)算,1理論基礎(chǔ),該算法的數(shù)學(xué)表達(dá)式為： G ( i, j )

4、 = f ( i ,j ) - f ( i , j-1 ) （6-7）,2. 實(shí)現(xiàn)步驟,（1）取得原圖的數(shù)據(jù)區(qū)指針。 (2)開辟一塊內(nèi)存緩沖區(qū)，并初始化為255。 （3）每個(gè)像素依次循環(huán)，新圖像緩沖區(qū)中的當(dāng)前像素的灰度值等于原圖中當(dāng)前像素的灰度值與其上方的像素的灰度值之差的絕對值。 （4）將緩沖區(qū)中的圖像復(fù)制回原圖數(shù)據(jù)區(qū)。,4效果對比圖 圖6-3 橫向微分運(yùn)算,6.2.3 雙方向一次微分運(yùn)算,1理論基礎(chǔ) 對灰度圖像f在縱方向和橫方向兩個(gè)方向進(jìn)行微分。該算法是同時(shí)增強(qiáng)水平和垂直方向的邊緣。該算法的數(shù)學(xué)表達(dá)式為： G(i,j)=sqrtf(i,j)-f(i,j-1)*f(i,j)-f(i,j-1)

5、+f(i,j)-f(i-1,j)* f(i,j)-f(i-1,j),2實(shí)現(xiàn)步驟,（1）取得原圖的數(shù)據(jù)區(qū)指針。 (2)開辟一塊內(nèi)存緩沖區(qū)，并初始化為255。 （3）每個(gè)像素依次循環(huán)，原圖中當(dāng)前像素的灰度值與其左方的像素的灰度值之差的絕對值的平方，再加上當(dāng)前像素的灰度值與其上方的像素的灰度值之差的絕對值的平方，所得的平方根即為新圖像當(dāng)前像素的灰度值。 (4)緩沖區(qū)中的圖像復(fù)制回原圖數(shù)據(jù)區(qū)。,4處理結(jié)果 (a)原圖 (b)縱向微分運(yùn)算 (c) 橫向微分運(yùn)算 (d) 雙方向一次微分運(yùn)算 圖6-4 微分運(yùn)算,6.3 梯度銳化,圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，這就需要

6、利用圖像鋭化技術(shù)，使邊緣變得清晰。 梯度銳化常用的方法有： 直接以梯度值代替； 輔以門限判斷； 給邊緣規(guī)定一個(gè)特定的灰度級; 給背景規(guī)定灰度級; 根據(jù)梯度二值化圖像.,6.3.1 直接以梯度值代替,利用雙方向一次微分運(yùn)算，算出梯度后讓梯度值等于該點(diǎn)的灰度值。 即f(i,j)= Gf(i,j)。 Gf(i,j)= f(i,j) - f(i-1,j)2+ f(i,j) - f(i,j-1)2 1/2 或Gf(i,j)=| f(i,j)- f(i-1,j)|+| f(i,j)- f(i,j-1)|,6.3.2輔以門限判斷,1理論基礎(chǔ) Gf(i,j)= f(i,j) - f(i-1,j)2+ f(i,

7、j) - f(i,j-1)2 1/2 Gf(i,j)+100; Gf(i,j)T g(i,j)= f(i,j); 其它,2. 實(shí)現(xiàn)步驟,（1）獲得原圖像的首地址，及圖像的寬和高； （2）開辟一塊內(nèi)存緩沖區(qū)，并初始化為255； （3）計(jì)算圖像的像素的梯度，將結(jié)果保存在內(nèi)存緩沖區(qū)； （4）比較像素的梯度是否大于30，是則將梯度值加100，不是則將該像素點(diǎn)的灰度值恢復(fù)，如果梯度加100大于255，將其置為255； （5）將內(nèi)存中的數(shù)據(jù)復(fù)制到圖像數(shù)據(jù)區(qū)。,4處理效果圖 （a) 原圖 (b)輔以門限判斷效果圖 圖6-5輔以門限判斷效果圖,6.3.3給邊緣規(guī)定一個(gè)特定的灰度級,1.理論基礎(chǔ) Gf(i,j)

8、= f(i,j) - f(i-1,j)2+ f(i,j) - f(i,j-1)2 1/2 La; Gf(i,j)T g(i,j)= （6-13） f(i,j); 其它 La為一指定的灰度值。,2.實(shí)現(xiàn)步驟,(1)獲得原圖像的首地址，及圖像的高和寬。 (2)開辟一塊內(nèi)存緩沖區(qū)，并初始化為255。 (3)計(jì)算圖像的像素的梯度，將結(jié)果保存在內(nèi)存緩沖區(qū)。 (4)比較像素的梯度是否大于30，是則將灰度值置為255，否則恢復(fù)該像素原來的灰度值。 (5)將內(nèi)存中的數(shù)據(jù)復(fù)制到圖像數(shù)據(jù)區(qū)。,4效果對比圖 （a）原圖 （b）給邊緣規(guī)定一個(gè)特定的灰度級 圖6-6給邊緣規(guī)定一個(gè)特定的灰度級,6.3.4 給背景規(guī)定灰度

9、級,Gf(i,j); Gf(i,j)T g(i,j)= （6-14） Lb; 其它 Lb為一對背景指定的灰度值。,6.3.5 根據(jù)梯度二值化圖像,1.理論基礎(chǔ) 對階躍邊緣，在邊緣點(diǎn)其一階導(dǎo)數(shù)取極值。由此，對每個(gè)像素取它的梯度值G(i,j)，適當(dāng)取門限T作如下判斷： 若G(i,j)T則(i,j)點(diǎn)為階躍狀邊緣點(diǎn),255; Gf(i,j)T g(i,j)= 0; 其它,2.實(shí)現(xiàn)步驟,(1)獲得原圖像的首地址，及圖像的高和寬； (2)開辟一塊內(nèi)存緩沖區(qū)，并初始化為255； (3)計(jì)算圖像的像素的梯度； (4)將結(jié)果保存在內(nèi)存緩沖區(qū)比較像素的梯度是否大于30，是則將灰度值置為255，否則將該像素的灰度

10、值置位0； (5)將內(nèi)存中的數(shù)據(jù)復(fù)制到原圖像的數(shù)據(jù)區(qū)。,4處理效果圖 (a) 原圖 （b）根據(jù)梯度二值化效果圖 圖6-7根據(jù)梯度二值化,6.4 邊緣檢測,邊緣檢測算子檢查每個(gè)像素的鄰域并對灰度變化率進(jìn)行量化，通常也包括方向的確定。 大多數(shù)是基于方向?qū)?shù)模板求卷積的方法。,將所有的邊緣模板逐一作用于圖像中的每一個(gè)像素， 產(chǎn)生最大輸出值的邊緣模板方向,表示該點(diǎn)邊緣的方向， 如果所有方向上的邊緣模板接近于零，該點(diǎn)處沒有邊緣； 如果所有方向上的邊緣模板輸出值都近似相等，沒有可靠邊緣方向。,本節(jié)介紹的算子有： Roberts邊緣檢測算子； Sobel邊緣檢測算子； Prewitt邊緣檢測算子； Kris

11、ch邊緣檢測； LoG_Laplacian高斯-拉普拉斯算子。,6.4.1 Roberts邊緣檢測算子,1. 理論基礎(chǔ) Roberts算子： Gi,j=|fi,j-fi+1,j+1|+|fi+1,j-fi,j+1|; Gi,j=(fi,j-fi+1,j+1)2+(fi+1,j-fi,j+1) 2 1/2; 其中Gi,j表示處理后(i,j)點(diǎn)的灰度值，fi,j表示處理前該點(diǎn)的灰度值。 該算法的算子如下：,2 實(shí)現(xiàn)步驟 (1)取得原圖的數(shù)據(jù)區(qū)指針。 (2)開辟一個(gè)和原圖相同大小的圖像緩沖區(qū)，并設(shè)定新圖像初值為全白（255）。 (3)每個(gè)像素依次循環(huán)，用Roberts邊緣檢測算子分別計(jì)算圖像中各點(diǎn)灰

12、度值，對它們平方之和，再開方。 (4)將緩沖區(qū)中的數(shù)據(jù)復(fù)制到原圖數(shù)據(jù)區(qū)。,4效果對比圖,圖6-8 Roberts邊緣檢測效果圖,6.4.2 Sobel邊緣檢測算子,1理論基礎(chǔ) （1）卷積 卷積可以簡單的看成加權(quán)求和的過程。 (2)Sobel邊緣檢測算子,for(j=tempMY;jheight-tempH+tempMY+1;j+) for(i=tempMX;iwide-tempW+tempMX+1;i+) fResult=0; for(k=0;ktempH;k+) for(l=0;ltempW;l+) fResult=fResult+m_pdata(j-tempMY+k)*wide+(i-te

13、mpMX+l)*fpArrayk*tempW+l; ,2 實(shí)現(xiàn)步驟 (1)取得原圖的數(shù)據(jù)區(qū)指針。 (2)開辟兩個(gè)和原圖相同大小的圖像緩沖區(qū)，將原圖復(fù)制到兩個(gè)緩沖區(qū)。 (3)分別設(shè)置Sobel算子的兩個(gè)模板，調(diào)用Templat()模板函數(shù)分別對兩個(gè)緩沖區(qū)中的圖像進(jìn)行卷積計(jì)算。 (4)兩個(gè)緩存圖像每個(gè)像素依次循環(huán)，取兩個(gè)緩存中各個(gè)像素灰度值較大者。 (5)將緩沖區(qū)中的圖像復(fù)制到原圖數(shù)據(jù)區(qū)。,4 處理效果,圖6-9 Sobel邊緣檢測,6.4.3 Prewitt邊緣檢測算子,1 理論基礎(chǔ) Prewitt邊緣檢測算子為：,6.4.4 Krisch邊緣檢測,1 理論基礎(chǔ) 以下8個(gè)卷積核組成了Kirsch

14、邊緣檢測算子。圖像中的每個(gè)點(diǎn)都用8個(gè)掩模進(jìn)行卷積， 所有8個(gè)方向中的最大值作為邊緣幅度圖像輸出。,Kirsch邊緣檢測算子,2 實(shí)現(xiàn)步驟 1） 取得原圖的數(shù)據(jù)區(qū)指針。 2） 開辟兩個(gè)和原圖相同大小的圖像緩沖區(qū)，將原圖復(fù)制到兩個(gè)緩沖區(qū)。 3） 分別設(shè)置Kirsch算子的模板1和模板2，調(diào)用Templat()模板函數(shù)分別對兩個(gè)緩沖區(qū)中的圖像進(jìn)行卷積計(jì)算。求出兩幅緩存圖像中每個(gè)像素的較大灰度值存放在緩存圖像1中，并將緩存圖像1拷貝到緩存圖像2中。 4） 同第三步，以此類推，分別設(shè)置Kirsch算子的模板3、模板4、模板5、模板6、模板7和模板8，每次計(jì)算后，求出兩幅緩存圖像中灰度值較大者存放在緩存圖像1中。 5） 最后將得到的結(jié)果緩存圖像1復(fù)制到原圖。,4 處理效果,圖6-11 Kr