边缘检测算子Р边缘检测:边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。?边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映,因此我们可以用局部图像微分技术来获得边缘检测算子。Р二、主要内容及工作?经典边缘检测算子Р梯度的幅值和方向:Р梯度方向就是函数增大时的最大变化率方向:Р梯度是图像对应二维函数的一阶导数:Р梯度是灰度f(x,y)在xy坐标方向上的导数、表示灰度f(x,y)在xy坐标方向上的变化率,梯度为方向矢量Р1 Roberts算子РRoberts算子是一种利用局部差分算子寻找边缘的算子,对于边界陡峭且噪比较小的图像检测效果比较好,它在2×2邻域上计算对角导数,通过1范数衡量梯度的幅值。Р两个卷积核分别为Р1 0?0 -1Р0 1?-1 0Рroberts算子实验结果分析Р优点:检测精度比较高,对水平和垂直方向的边缘检测性能好于斜线方向。?缺点:易丢失一部分边缘对噪声敏感。Р以下组图分别为原图和不含噪声的检测图及含有高斯噪声的检测图Р2 Sobel算子Р传统的Sobel图像边缘检测方法,是在图像空间利用两个方向模板与图像进行邻域卷积来完成的。这两个方向模板一个检测垂直边缘,一个检测水平边缘。РSobel算子为:? Gx = (z7 + 2z8 + z9) - (z1 + 2z2 + z3)? Gy = (z3 + 2z6 + z9) - (z1 + 2z4 + z7)? 采用数衡量梯度值:? |f | | Gx | + | Gy |РGyР2Р-2Р0Р1Р-1Р0Р1Р-1Р0Р0Р0Р0Р-1Р-1Р-2Р1Р1Р2РGxРz2Рz8Рz5Рz3Рz9Рz6Рz1Рz7Рz4Р2 Sobel算子Рsoble算子实验结果分析Р优点:产生的边缘效果较好,对噪声具有平滑作用。?缺点:存在伪边缘,定位精度不高
全文预览
