數(shù)字圖像處理圖像分割與邊緣檢測學(xué)習(xí)教案

1、數(shù)字圖像數(shù)字圖像(t xin)處理圖像處理圖像(t xin)分分割與邊緣檢測割與邊緣檢測第一頁，共34頁。v 4連通指的是從區(qū)域上一點(diǎn)出發(fā)連通指的是從區(qū)域上一點(diǎn)出發(fā)(chf)，可通過，可通過4個方向，即上、個方向，即上、 下、左、右移動的組合，在不越出區(qū)域的前提下，到達(dá)區(qū)域內(nèi)的任意像素。下、左、右移動的組合，在不越出區(qū)域的前提下，到達(dá)區(qū)域內(nèi)的任意像素。圖圖5-1 4連通連通(lintng)和和8連通連通(lintng) v 8連通方法指的是從區(qū)域上一點(diǎn)出發(fā)(chf)，可通過左、 右、上、下、左上、右上、左下、右下這8個方向的移動組合來到達(dá)區(qū)域內(nèi)的任意像素。第1頁/共34頁第二頁，共34頁。圖像

2、分割有三種不同的途徑：圖像分割有三種不同的途徑： 將各像素劃歸到相應(yīng)物體或區(qū)域的像素聚類方法將各像素劃歸到相應(yīng)物體或區(qū)域的像素聚類方法, 即區(qū)域法；即區(qū)域法； 通過直接確定區(qū)域間的邊界來實(shí)現(xiàn)分割的邊界方法；通過直接確定區(qū)域間的邊界來實(shí)現(xiàn)分割的邊界方法； 首先檢測邊緣像素，再將邊緣像素連接起來構(gòu)成首先檢測邊緣像素，再將邊緣像素連接起來構(gòu)成(guchng)邊界形成分割。邊界形成分割。 在圖像分割技術(shù)中，在圖像分割技術(shù)中， 最常用的是利用閾值化處理進(jìn)行的圖像分割。最常用的是利用閾值化處理進(jìn)行的圖像分割。 第2頁/共34頁第三頁，共34頁。 5.2 灰度閾值法分割灰度閾值法分割 常用的圖像分割方法是把

3、圖像灰度分成不同的等級，然后用設(shè)置灰度門限常用的圖像分割方法是把圖像灰度分成不同的等級，然后用設(shè)置灰度門限(閾值閾值)的方法確定的方法確定(qudng)有意義的區(qū)域或分割物體的邊界。常用的閾值化處理就是圖像的二值化處理，即選擇一閾值，將圖像轉(zhuǎn)換為黑白二值圖像，用于圖像分割及邊緣跟蹤等預(yù)處理。有意義的區(qū)域或分割物體的邊界。常用的閾值化處理就是圖像的二值化處理，即選擇一閾值，將圖像轉(zhuǎn)換為黑白二值圖像，用于圖像分割及邊緣跟蹤等預(yù)處理。 圖像閾值化處理的變換函數(shù)表達(dá)式為圖像閾值化處理的變換函數(shù)表達(dá)式為 第3頁/共34頁第四頁，共34頁。 在圖像的閾值化處理過程中，選用不同的閾值其處理結(jié)果差異很大。如圖

4、5-3所示, 閾值過大，會提取多余的部分；而閾值過小，又會丟失所需的部分(注意：目標(biāo)(mbio)、背景的顏色)。因此，閾值的選取非常重要。圖圖5-3 不同閾值對閾值化結(jié)果的影響不同閾值對閾值化結(jié)果的影響(yngxing)(a) 原始圖像；原始圖像； (b) 閾值閾值T=91； (c) 閾值閾值T=130； (d) 閾值閾值T=43第4頁/共34頁第五頁，共34頁。 (a) 原圖 (b) 閾值(y zh)過高 (c) 閾值(y zh)過低 (d) 正確分割 第5頁/共34頁第六頁，共34頁。圖圖5-4 圖圖5-3(a)所示圖像所示圖像(t xin)的直方圖的直方圖 該直方圖具有雙峰特性，圖像中的

5、目標(biāo)（細(xì)胞）分布在較暗的灰度級上形成一個波峰，圖像中的背景分布在較亮的灰度級上形成另一個波峰。該直方圖具有雙峰特性，圖像中的目標(biāo)（細(xì)胞）分布在較暗的灰度級上形成一個波峰，圖像中的背景分布在較亮的灰度級上形成另一個波峰。此時，用其雙峰之間的谷低處灰度值作為此時，用其雙峰之間的谷低處灰度值作為(zuwi)閾值閾值T進(jìn)行圖像的閾值化處理，便可將目標(biāo)和背景分割開來。進(jìn)行圖像的閾值化處理，便可將目標(biāo)和背景分割開來。第6頁/共34頁第七頁，共34頁。5.2.1 判別分析法確定最佳閾值判別分析法確定最佳閾值 判別分析法確定最佳閾值的準(zhǔn)則，是使進(jìn)行閾值處理后分離的像素類之間的類間方差最大。判別分析法只需計算直

6、方圖的判別分析法確定最佳閾值的準(zhǔn)則，是使進(jìn)行閾值處理后分離的像素類之間的類間方差最大。判別分析法只需計算直方圖的0階矩和階矩和1階矩，是圖像階矩，是圖像(t xin)閾值化處理中常用的自動確定閾值的方法。閾值化處理中常用的自動確定閾值的方法。 設(shè)圖像設(shè)圖像(t xin)總像素數(shù)為總像素數(shù)為N，灰度值為，灰度值為i的像素數(shù)為的像素數(shù)為Ni，則至灰度級，則至灰度級K的灰度分布的的灰度分布的0階矩及階矩及1階矩分別定義為階矩分別定義為 0階矩：階矩： 第7頁/共34頁第八頁，共34頁。1階矩：階矩： 當(dāng)K=L-1時，(L-1)=1；(L-1)T，T稱為圖像(t xin)的平均灰度。 設(shè)有M-1個閾值

7、：0k1k2KM-1L-1。 將圖像(t xin)分割成M個灰度值的類Cj（Cjkj-1+1, , kj; j=1, 2, , M ; k0=0, kM=L），則各類Cj的發(fā)生概率j和平均值j為 式中式中, (0)=0，(0)=0。 第8頁/共34頁第九頁，共34頁。由此可得各類的類間方差由此可得各類的類間方差(fn ch)為為 將使上式的2值為最大的閾值組(k1,k2,kM1)，作為(zuwi)M值化的最佳閾值組。若取M為2，即分割成2類，則可用上述方法求出二值化的閾值。 第9頁/共34頁第十頁，共34頁。5.2.2 p尾法確定閾值尾法確定閾值 p尾法僅適用于事先尾法僅適用于事先(shxin

8、)已知目標(biāo)所占全圖像百分比的場合。若一幅圖像由亮背景和黑目標(biāo)組成，已知目標(biāo)占圖像的已知目標(biāo)所占全圖像百分比的場合。若一幅圖像由亮背景和黑目標(biāo)組成，已知目標(biāo)占圖像的(100-p)%面積，則使得至少面積，則使得至少(100p)%的像素閾值化后匹配為目標(biāo)的最高灰度，的像素閾值化后匹配為目標(biāo)的最高灰度， 將選作用于二值化處理的閾值。將選作用于二值化處理的閾值。 第10頁/共34頁第十一頁，共34頁。 5.2.3 迭代方法 Ridler和Calvard提出的用迭代的方法產(chǎn)生閾值得方法：首先初始選擇一個閾值Th，通?？梢赃x擇圖像的平均灰度值來作為初始閾值；通過初始閾值Th ，把圖像分成了兩組R1和R2；計

9、算這兩組的平均灰度值m1和m2；然后重新選擇閾值Th，新的Th定義為：Th=(m1+m2) /2；循環(huán)做第二步到第四步，一直到兩組的平均灰度值m1和m2不再(b zi)發(fā)生改變，那么就獲得了所需的閾值Th。第11頁/共34頁第十二頁，共34頁。5.2.4 三角形法三角形法 第12頁/共34頁第十三頁，共34頁。直方圖是閾值分割方法的基礎(chǔ)，因此基于直方圖的處理和變換，學(xué)者和研究人員直方圖是閾值分割方法的基礎(chǔ)，因此基于直方圖的處理和變換，學(xué)者和研究人員(rnyun)進(jìn)行了大量的研究。進(jìn)行了大量的研究。比如對直方圖進(jìn)行平滑，使得直方圖小波動對閾值選取造成的影響減弱；或者對直方圖施以某種變換，則可使得

10、波峰尖銳，波谷凹陷，也可以更清晰得到預(yù)期的閾值；也可將圖像分割成小塊區(qū)域，對每一小塊求直方圖，并作閾值處理，如果小方塊的直方圖不產(chǎn)生雙峰，則該處的閾值可以通過鄰接方塊的閾值作插值處理得到的方法來分割圖像。比如對直方圖進(jìn)行平滑，使得直方圖小波動對閾值選取造成的影響減弱；或者對直方圖施以某種變換，則可使得波峰尖銳，波谷凹陷，也可以更清晰得到預(yù)期的閾值；也可將圖像分割成小塊區(qū)域，對每一小塊求直方圖，并作閾值處理，如果小方塊的直方圖不產(chǎn)生雙峰，則該處的閾值可以通過鄰接方塊的閾值作插值處理得到的方法來分割圖像?；谥狈綀D的分割方法獲得了廣泛的應(yīng)用。但采用直方圖閾值法基于象素灰度的，沒有涉及到區(qū)域的連通性

11、，因此在圖像較為復(fù)雜的時候，閾值的選取往往會失敗?；谥狈綀D的分割方法獲得了廣泛的應(yīng)用。但采用直方圖閾值法基于象素灰度的，沒有涉及到區(qū)域的連通性，因此在圖像較為復(fù)雜的時候，閾值的選取往往會失敗。第13頁/共34頁第十四頁，共34頁。5. 3 區(qū)域生長法和區(qū)域分裂合并法區(qū)域生長法和區(qū)域分裂合并法5.3.1 區(qū)域生長區(qū)域生長 分割的目的是把一幅圖像劃分成一些區(qū)域，分割的目的是把一幅圖像劃分成一些區(qū)域， 最最直接的方法就是把一幅圖像分成滿足某種判據(jù)的區(qū)直接的方法就是把一幅圖像分成滿足某種判據(jù)的區(qū)域，也就是說，域，也就是說， 把點(diǎn)組成區(qū)域。為了實(shí)現(xiàn)分組，首把點(diǎn)組成區(qū)域。為了實(shí)現(xiàn)分組，首先要確定先要確定

12、(qudng)區(qū)域的數(shù)目，其次要確定區(qū)域的數(shù)目，其次要確定(qudng)一個區(qū)域與其他區(qū)域相區(qū)別的特征，最后一個區(qū)域與其他區(qū)域相區(qū)別的特征，最后還要產(chǎn)生有意義分割的相似性判據(jù)。還要產(chǎn)生有意義分割的相似性判據(jù)。第14頁/共34頁第十五頁，共34頁。v 區(qū)域生長法在用來分割圖像的時候，首先需要選定一些代表不同區(qū)域的起始象素，稱作生長點(diǎn)。然后從這些生長點(diǎn)出發(fā)，按照一定的規(guī)則區(qū)域生長法在用來分割圖像的時候，首先需要選定一些代表不同區(qū)域的起始象素，稱作生長點(diǎn)。然后從這些生長點(diǎn)出發(fā)，按照一定的規(guī)則(guz)(guz)，一般是檢查它與周圍象素，一般是檢查它與周圍象素( (或區(qū)域或區(qū)域) )的一致性，把那些通

13、過一致性測試的象素的一致性，把那些通過一致性測試的象素( (或區(qū)域或區(qū)域) )合并進(jìn)來，直到這些區(qū)域覆蓋整個圖像區(qū)域?yàn)橹埂：喜⑦M(jìn)來，直到這些區(qū)域覆蓋整個圖像區(qū)域?yàn)橹埂 生長點(diǎn)的選取通常需要使用者指定，如果需要劃分生長點(diǎn)的選取通常需要使用者指定，如果需要劃分N N個區(qū)域，那么每一區(qū)域個區(qū)域，那么每一區(qū)域RiRi必須要有一個生長點(diǎn)必須要有一個生長點(diǎn)SiSi，其中。區(qū)域生長需要滿足均一性準(zhǔn)則，也即針對每一個將要劃入，其中。區(qū)域生長需要滿足均一性準(zhǔn)則，也即針對每一個將要劃入RiRi的象素的象素x x，需要檢查均一性準(zhǔn)則是否成立：，需要檢查均一性準(zhǔn)則是否成立： 第15頁/共34頁第十六頁，共34頁。生

14、長點(diǎn)為生長點(diǎn)為6 6，第一次得到三個點(diǎn)，平均灰度值也變?yōu)椋谝淮蔚玫饺齻€點(diǎn)，平均灰度值也變?yōu)?.55.5；第二次則接收了滿足一致性條件的灰度值為；第二次則接收了滿足一致性條件的灰度值為7 7的象素，平均灰度值變?yōu)榈南笏兀骄叶戎底優(yōu)?.6255.625；在經(jīng)過三次生長后，平均灰度值也變?yōu)榱耍辉诮?jīng)過三次生長后，平均灰度值也變?yōu)榱?.455.45，因?yàn)閰^(qū)域的鄰接象素已經(jīng)沒有，因?yàn)閰^(qū)域的鄰接象素已經(jīng)沒有(mi yu)(mi yu)滿足一致性條件的點(diǎn)，因此生長結(jié)束。滿足一致性條件的點(diǎn)，因此生長結(jié)束。 (a) 原圖像數(shù)據(jù)原圖像數(shù)據(jù) (b) 第一次生長第一次生長 (c) 第二次生長第二次生長 (d) 最

15、終生長最終生長結(jié)果結(jié)果 圖圖5-5 區(qū)域生長示例區(qū)域生長示例( (閾值為閾值為2,均一性準(zhǔn)則均一性準(zhǔn)則: ): )ThRxf|)(|例例第16頁/共34頁第十七頁，共34頁。 (a) 原圖像數(shù)據(jù) (b) 閾值(y zh)為2區(qū)域生長結(jié)果 (c) 閾值(y zh)為6區(qū)域生長結(jié)果圖5-6 不同閾值(y zh)時的區(qū)域生長結(jié)果 這里，閾值和生長點(diǎn)的選取對區(qū)域分割至關(guān)重要，需要使用者對每一個區(qū)域選擇這里，閾值和生長點(diǎn)的選取對區(qū)域分割至關(guān)重要，需要使用者對每一個區(qū)域選擇(xunz)生長點(diǎn)，并慎重選擇生長點(diǎn)，并慎重選擇(xunz)閾值，下圖則說明了閾值選擇閾值，下圖則說明了閾值選擇(xunz)的重要性。

16、的重要性。生長點(diǎn)也可以根據(jù)圖像的灰度直方圖自動選取，一般，圖像中的生長點(diǎn)有多個，這就需要將具有生長點(diǎn)也可以根據(jù)圖像的灰度直方圖自動選取，一般，圖像中的生長點(diǎn)有多個，這就需要將具有(jyu)(jyu)相同灰度統(tǒng)計特性的相鄰圖像區(qū)域合并起來。相同灰度統(tǒng)計特性的相鄰圖像區(qū)域合并起來。 第17頁/共34頁第十八頁，共34頁。5.3.2 區(qū)域合并區(qū)域合并 首先用某種方法把圖象分割成許多小區(qū)域，通過定義合并相鄰區(qū)域的準(zhǔn)則，然后按照合并準(zhǔn)則合并所有相鄰的區(qū)域，如果沒有再能夠合并的塊后停止合并。區(qū)域合并的結(jié)果通常還依賴于區(qū)域合并的順序。首先用某種方法把圖象分割成許多小區(qū)域，通過定義合并相鄰區(qū)域的準(zhǔn)則，然后按照

17、合并準(zhǔn)則合并所有相鄰的區(qū)域，如果沒有再能夠合并的塊后停止合并。區(qū)域合并的結(jié)果通常還依賴于區(qū)域合并的順序。 區(qū)域合并的分割方法是一個迭代過程，每一步都要重新計算被擴(kuò)大的區(qū)域成員隸屬關(guān)系，并消除弱邊界。沒有弱邊界可消除時，合并過程才結(jié)束。這樣的一個過程看起來象一個物體內(nèi)部區(qū)域不斷增長，直到到達(dá)區(qū)域合并的分割方法是一個迭代過程，每一步都要重新計算被擴(kuò)大的區(qū)域成員隸屬關(guān)系，并消除弱邊界。沒有弱邊界可消除時，合并過程才結(jié)束。這樣的一個過程看起來象一個物體內(nèi)部區(qū)域不斷增長，直到到達(dá)(dod)邊界為止的過程。邊界為止的過程。 第18頁/共34頁第十九頁，共34頁。v 形成最初分割小區(qū)域(qy)的辦法很多，最

18、簡單的是把圖象分成11，22，44或88的區(qū)域(qy)的組合，并根據(jù)圖像的灰度特性統(tǒng)計來定義合并準(zhǔn)則。v 區(qū)域(qy)合并的過程可以通過下面的過程來實(shí)現(xiàn)：v 比較相鄰區(qū)域(qy)的灰度統(tǒng)計特性，如果滿足合并要求，則把兩個區(qū)域(qy)合并成更大的區(qū)域(qy)，并計算大區(qū)域(qy)的灰度統(tǒng)計特性；v 如果不滿足合并要求，則把該區(qū)域(qy)標(biāo)記為沒有合并。v不斷重復(fù)上述過程，若某區(qū)域(qy)不能與它周圍的所有區(qū)域(qy)合并，則被標(biāo)記成終結(jié)，當(dāng)所有區(qū)域(qy)終結(jié)時，合并過程結(jié)束。第19頁/共34頁第二十頁，共34頁。v 合并的條件可以定義為：v當(dāng)兩個相鄰區(qū)域(qy)的絕大部分公共邊界由弱邊緣組成時

19、，可以合并兩個區(qū)域(qy)；v是否是弱邊緣則需要通過對區(qū)域(qy)邊界處的梯度算子作用后的幅值大小是否超過閾值T來判斷，如果邊緣強(qiáng)度小于閾值T則為弱邊緣。第20頁/共34頁第二十一頁，共34頁。5.3.3 區(qū)域區(qū)域(qy)分裂法分裂法區(qū)域分裂是與區(qū)域合并相反的一個過程。首先假定整幅圖像是一致的，通過判別準(zhǔn)則如果發(fā)現(xiàn)與實(shí)際不一致，則將其分裂為四個子圖像，重復(fù)上面的過程，直到所有區(qū)域分裂是與區(qū)域合并相反的一個過程。首先假定整幅圖像是一致的，通過判別準(zhǔn)則如果發(fā)現(xiàn)與實(shí)際不一致，則將其分裂為四個子圖像，重復(fù)上面的過程，直到所有(suyu)的子區(qū)域都滿足一致性準(zhǔn)則。的子區(qū)域都滿足一致性準(zhǔn)則。圖圖5-7 圖

20、像圖像(t xin)的四叉樹表示的四叉樹表示第21頁/共34頁第二十二頁，共34頁。5.3.4 區(qū)域分裂區(qū)域分裂(fnli)-合并法合并法 區(qū)域的分裂方法存在一個缺陷：在最后可能出現(xiàn)分裂的兩個區(qū)域是相鄰的，而且兩個區(qū)域滿足均一性條件，但是卻不能合成一個區(qū)域的現(xiàn)象。區(qū)域分裂區(qū)域的分裂方法存在一個缺陷：在最后可能出現(xiàn)分裂的兩個區(qū)域是相鄰的，而且兩個區(qū)域滿足均一性條件，但是卻不能合成一個區(qū)域的現(xiàn)象。區(qū)域分裂-合并方法可解決這個問題：合并方法可解決這個問題： (1) 若一個區(qū)域不滿足均一性條件，則分裂；若一個區(qū)域不滿足均一性條件，則分裂； (2) 對相鄰的兩個區(qū)域，若滿足均一性條件，則合并；對相鄰的兩

21、個區(qū)域，若滿足均一性條件，則合并； (3) 當(dāng)對任何一個區(qū)域，既不能繼續(xù)當(dāng)對任何一個區(qū)域，既不能繼續(xù)(jx)分裂也不能合并時，算法結(jié)束。分裂也不能合并時，算法結(jié)束。 在此，均一性準(zhǔn)則可以是前面所描述的象素點(diǎn)的灰度值是否小于平均灰度，也可采用統(tǒng)計檢驗(yàn)諸如均方誤差最小、在此，均一性準(zhǔn)則可以是前面所描述的象素點(diǎn)的灰度值是否小于平均灰度，也可采用統(tǒng)計檢驗(yàn)諸如均方誤差最小、F檢驗(yàn)等方法。檢驗(yàn)等方法。第22頁/共34頁第二十三頁，共34頁。5.4 邊邊 緣緣 分分 割割 5.4.1 邊緣的定義邊緣的定義 圖像的邊緣對人類的視覺系統(tǒng)具有重要意義，是人類判別物體重要依據(jù)，是圖像的最基本特征。邊緣中包含著有價值

22、的景物邊界信息，這些信息可以用于圖像分析、目標(biāo)識別圖像的邊緣對人類的視覺系統(tǒng)具有重要意義，是人類判別物體重要依據(jù)，是圖像的最基本特征。邊緣中包含著有價值的景物邊界信息，這些信息可以用于圖像分析、目標(biāo)識別(shbi)以及圖像濾波，并且通過邊緣檢測可以極大的降低后繼圖像分析處理的數(shù)據(jù)量。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、基元與基元之間。以及圖像濾波，并且通過邊緣檢測可以極大的降低后繼圖像分析處理的數(shù)據(jù)量。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、基元與基元之間。第23頁/共34頁第二十四頁，共34頁。到目前為止，還沒有關(guān)于邊緣的精確且被廣泛承認(rèn)到目前為止，還沒有關(guān)于邊緣的精確且被廣

23、泛承認(rèn)(chngrn)的數(shù)學(xué)定義。一方面是因?yàn)閳D像的內(nèi)容往往非常復(fù)雜，很難用純數(shù)學(xué)的方法來描述；另一方面則是因?yàn)槿祟惐旧砭哂懈兄繕?biāo)邊界的高層視覺機(jī)理，目前人類對這些機(jī)理的認(rèn)識還很膚淺。的數(shù)學(xué)定義。一方面是因?yàn)閳D像的內(nèi)容往往非常復(fù)雜，很難用純數(shù)學(xué)的方法來描述；另一方面則是因?yàn)槿祟惐旧砭哂懈兄繕?biāo)邊界的高層視覺機(jī)理，目前人類對這些機(jī)理的認(rèn)識還很膚淺。我們定義邊緣為兩個具有不同灰度的均勻圖像區(qū)域的邊界，即邊界反映局部的灰度變化。這種局部變化可用一定窗口運(yùn)算的邊緣檢測算子來檢測。我們定義邊緣為兩個具有不同灰度的均勻圖像區(qū)域的邊界，即邊界反映局部的灰度變化。這種局部變化可用一定窗口運(yùn)算的邊緣檢測算子來

24、檢測。第24頁/共34頁第二十五頁，共34頁。邊緣的描述包含以下幾個方面：邊緣的描述包含以下幾個方面： 邊緣法線方向：在某點(diǎn)灰度變化最劇烈的方向，與邊緣方向垂直；邊緣法線方向：在某點(diǎn)灰度變化最劇烈的方向，與邊緣方向垂直； 邊緣方向：與邊緣法線方向垂直，目標(biāo)邊界的切線邊緣方向：與邊緣法線方向垂直，目標(biāo)邊界的切線(qixin)方向；方向； 邊緣位置：邊緣所在的坐標(biāo)位置；邊緣位置：邊緣所在的坐標(biāo)位置； 邊緣強(qiáng)度：沿邊緣法線方向圖像局部的變化強(qiáng)度的量度。邊緣強(qiáng)度：沿邊緣法線方向圖像局部的變化強(qiáng)度的量度。 一般認(rèn)為沿邊緣方向的灰度變化比較平緩，而邊緣法線方向的灰度變化比較劇烈。一般認(rèn)為沿邊緣方向的灰度變

25、化比較平緩，而邊緣法線方向的灰度變化比較劇烈。第25頁/共34頁第二十六頁，共34頁。 基本的灰度變化可以是階躍形或者斜坡形或者脈沖形等，這些只是理想的情況，考慮到圖像是二維的，而且往往圖像上疊加有噪聲，因此基本的灰度變化可以是階躍形或者斜坡形或者脈沖形等，這些只是理想的情況，考慮到圖像是二維的，而且往往圖像上疊加有噪聲，因此(ync)(ync)灰度的變化要復(fù)雜的多?；叶鹊淖兓獜?fù)雜的多。(a) 階躍形階躍形 (b)屋頂屋頂(w dn)形形 (c)脈沖形脈沖形圖圖5-8 理想的基本灰度變化圖理想的基本灰度變化圖第26頁/共34頁第二十七頁，共34頁。5.4.2 邊緣檢測邊緣檢測1. 邊緣檢測的

26、微分算子邊緣檢測的微分算子 簡單邊緣檢測算子簡單邊緣檢測算子 由于邊緣在圖像上表現(xiàn)為灰度變化劇烈的地方，在數(shù)學(xué)上可以用灰度導(dǎo)數(shù)來表示這種變化，圖由于邊緣在圖像上表現(xiàn)為灰度變化劇烈的地方，在數(shù)學(xué)上可以用灰度導(dǎo)數(shù)來表示這種變化，圖5-9一階導(dǎo)數(shù)運(yùn)算一階導(dǎo)數(shù)運(yùn)算(yn sun)可以用于判斷邊緣點(diǎn)，二階導(dǎo)數(shù)的過零點(diǎn)可以判斷邊緣，一階導(dǎo)數(shù)運(yùn)算可以用于判斷邊緣點(diǎn)，二階導(dǎo)數(shù)的過零點(diǎn)可以判斷邊緣，一階導(dǎo)數(shù)運(yùn)算(yn sun)在離散情況下表現(xiàn)為差分運(yùn)算在離散情況下表現(xiàn)為差分運(yùn)算(yn sun)。 圖圖5-9 邊緣截面邊緣截面(jimin)及及導(dǎo)數(shù)圖導(dǎo)數(shù)圖第27頁/共34頁第二十八頁，共34頁。檢測檢測X方向上的

27、灰度變化：方向上的灰度變化：檢測檢測Y方向上的灰度變化：方向上的灰度變化：檢測檢測 方向上的灰度變化：方向上的灰度變化：導(dǎo)數(shù)運(yùn)算簡單可行導(dǎo)數(shù)運(yùn)算簡單可行,但具有方向性，往往只能檢測檢測某個方向的邊緣，而與這個方向垂直的邊緣則無法檢測。因此更多的時候是采用梯度運(yùn)算來檢測邊緣。但具有方向性，往往只能檢測檢測某個方向的邊緣，而與這個方向垂直的邊緣則無法檢測。因此更多的時候是采用梯度運(yùn)算來檢測邊緣。), 1(),(),(jifjifjifx) 1,(),(),(jifjifjifysin),(cos),(jifjiffyx第28頁/共34頁第二十九頁，共34頁。圖像圖像f(x,y)在在 方向沿著極徑方向沿著極徑r的梯度：的梯度：梯度方向：梯度方向：梯度幅值：梯度幅值：實(shí)際應(yīng)用中，為了避免開方運(yùn)算，簡化為下面兩個公式：實(shí)際應(yīng)用中，為了避免開方運(yùn)算，簡化為下面兩個公式：sincosyxffryyfrxxfrf)/arctan(xyrff22yxrffg|yxrffg|)|max(|yxrffg，常用的梯度常用的梯度(t d)(t d)算子有算子有RobertRobert算子、算子、PrewittPrewitt算子和算子和SobelSobel算子等。算子等。 2.梯度梯度(t d)算子算子 第29頁/共34頁第三十頁，共34頁。圖圖5-10 Roberts算子、算子、