ch07鄰域運算數(shù)字圖像處理南京大學(xué)(文件)
【正文】 常用邊緣檢測算子和相互間區(qū)別。 ? 0 30 60 90 120 150 180 210 ? 30 0 30 60 90 120 150 180 ? 60 30 0 30 60 90 120 150 ? 90 60 30 0 30 60 90 120 ? 120 90 60 30 0 30 60 90 ? 150 120 90 60 30 0 30 60 ? 180 150 120 90 60 30 0 30 ? 210 180 150 120 90 60 30 0 ? ?, 3 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 8f i j i j i j? ? ? ? ，習(xí)題 0 0 30 60 90 120 150 0 0 30 30 60 90 120 150 150 30 30 30 30 60 90 120 120 60 60 30 30 30 60 90 90 90 90 60 30 30 30 60 60 120 120 90 60 30 30 30 30 150 150 120 90 60 30 30 0 0 150 120 90 60 30 0 0 上機實習(xí)題 ? 用 MATLAB軟件產(chǎn)生一個被高斯噪聲污染的 lenna圖像，使用T T 高斯濾波、中值濾波進(jìn)行處理，并觀察處理后圖像效果。 ? 用 Matlab實現(xiàn) Marr邊緣檢測器，并作用于 lenna圖像和 lenna的噪聲圖像，比較 Marr算子與 Sobel算子的不同。 。 ? 實習(xí)四（必做）。觀察各算子的不同，以及邊緣是否在正確的位置。 習(xí)題 ? 一幅 8*8的圖像 f(i,j)其灰度值由下列函數(shù)給出，用 3*3中值濾波器作用于該圖像上，求輸出圖像。 ? 中值濾波與鄰域平均和高斯濾波的區(qū)別。 5 細(xì)化 ? 4）細(xì)化算法 ? 在至少 3x3鄰域內(nèi)檢查圖像前景中的每一個像素，迭代削去簡單邊界點，直至區(qū)域被細(xì)化成一條線。 ? 連通性具有：自反性、互換性和傳遞性。 ? 8鄰點（ 8neighbors）： 如果兩個像素至少共享一個頂角，則稱它們互為 8鄰點。可以把二值圖像區(qū)域縮成線條，以 逼近區(qū)域的中心線 。但問題是如何選取閾值？ ? 解決方法：雙閾值算法。 ? 在每一點上，鄰域的中心像素 M與沿著梯度線的兩個像素相比。 4 邊緣檢測 ? （ 2） Canny邊緣檢測算法 ? step1:用高斯濾波器平滑圖像； ? step2:用一階偏導(dǎo)的有限差分來計算梯度的幅值和方向； ? step3:對梯度幅值進(jìn)行非極大值抑制； ? step4:用雙閾值算法檢測和連接邊緣。 4 邊緣檢測 Marr邊緣Delta=2 4 邊緣檢測 Marr邊緣delta=4 4 邊緣檢測 ? 7） Canny邊緣檢測 ——最優(yōu)的階梯型邊緣檢測算法 ? （ 1）基本原理 ? 圖像邊緣檢測必須滿足兩個條件：一 能有效地抑制噪聲 ；二 必須盡量精確確定邊緣的位置 。 ? 因為采用 Laplacian算子，故有 LoG（ Laplacian of Gaussian） 濾波器。因此在實際中通常不直接使用 。 ? D中對階躍線，輸出的只有一條線。 ? ?? ? ? ?? ?? ? ? ?? ?? ? ? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ? ?22222222,1 , ,1 , , , 1 , 1 , 1 , 1 , 1 4 ,f x y f x yf x yxyf x yf x y f x yxf x yf x y f x y f x y f x yxf x y f x y f x yf x y f x y f x y??? ? ????? ? ???? ? ? ? ? ??? ? ? ? ? ?? ? ? ?近似為4 邊緣檢測 ? 用卷積模板表示為： 0 1 01 4 10 1 01111 8 11111 2 12 4 21 2 1????????????????????????????????????有時希望鄰域中心點具有更大的權(quán)值或注意：與梯度算子的不同 , 只需要一個卷積模板 4 邊緣檢測 例：在下列圖像中，判斷一階差分梯度算子和Laplacian算子的區(qū)別。(x)直方圖法 梯度閾值法 二階過零點法 4 邊緣檢測 ? 一階導(dǎo)數(shù)的局部最大值對應(yīng)著二階導(dǎo)數(shù)的零交叉點（ Zero crossing）。精確確定邊緣的位置。 ? （ 3） 檢測 。但濾波器在降低噪聲的同時也導(dǎo)致邊緣強度的損失。 ? ?? ?? ? ? ?? ? ? ?0 1 2736 5 42 3 4 0 7 66 5 4 0 1 212,1 0 1 1 1 11 0 1 0 0 01 0 1 1 1 1xya a aa i j aa a af a a a a a af a a a a a aHH? ? ? ? ? ?? ? ? ? ? ?? ? ? ?? ? ? ?? ? ? ?? ? ? ?? ? ? ??? ? ? ?? ? ? ?i,j 象 素 點 梯 度 近 似 計 算 為4 邊緣檢測 ? Sobel算子：與 Prewitt算子類似，采用了加權(quán)。 ? ?,c os si n0xyf x y rf f x f yffr x r y rff rr???? ? ? ? ?? ? ? ?? ? ? ? ???? ????沿 的梯度使 最大的條件是$進(jìn)一步閱讀： Gonzalez, p463. 4 邊緣檢測 4 邊緣檢測 ? 梯度最大值及其方向 122sin c o s 0ta nxyyxxyffffff??????? ? ???????????????或梯 度 最 大 值4 邊緣檢測 ? 最簡單的梯度近似計算為： ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?? ? ? ?? ?? ? ? ?1100, 1 , , , 1, * , , ,111 1 1 1xymmijxyf f i j f i j f f i j f i jf x y T f x y T i j f x i y jf f x yf f x yjj?????
法律信息相關(guān)推薦
鄂ICP備17016276號-1