數(shù)字圖像處理論文--基于matlab的圖像邊緣檢測技術(shù)(存儲版)
【正文】 慣的那些圖像源進(jìn)行加工這些圖像源包括超聲波電子顯微鏡及計(jì)算機(jī)所產(chǎn)生的圖像因此數(shù)字圖像處理涉及各種各樣的應(yīng)用領(lǐng)域 圖像處理和分析可定義為應(yīng)用一系列方法獲取校正增強(qiáng) 變換或壓縮可視圖像的技術(shù)其目的是提高信息的相對質(zhì)量以便獲取信息圖像處理中的變換 屬于圖像輸入 LOG用 Facet模型檢測邊緣Canny 的最佳邊緣檢測器統(tǒng)計(jì)濾波檢測以及隨斷層掃描技術(shù)興起的三維邊緣檢測等要做好邊緣檢測首先清楚待檢測的圖像特性變化的形式從而使用適應(yīng)這種變化的檢測方法其次要知道特性變化總是發(fā)生在一定的空間范圍內(nèi)不能期望用一種檢測算子就 能最佳檢測出發(fā)生在圖像上的所有特性變化當(dāng)需要提取多空間范圍內(nèi)的變化特性時(shí)要考慮多算子的綜合應(yīng)用第三要考慮噪聲的影響其中一個(gè)辦法就是濾除噪聲這有一定的局限性再就是考慮信號加噪聲的條件檢測利用統(tǒng)計(jì)信號分析或通過對圖像區(qū)域的建模而進(jìn)一步使檢測參數(shù)化第四可以考慮各種方法的組合如先利用 LOG 找出邊緣然后在其局部利用函數(shù)近似通過內(nèi)插等獲得高精度定位第五在正確檢測邊緣的基礎(chǔ)上要考慮精確定位的問題經(jīng)典的邊緣檢測方法是構(gòu)造對像素灰度級階躍變化敏感的微分算子如 roberts梯度算子 Sobel36 然后求高斯函數(shù) G xy 在某一方向 n 上的一階方向?qū)?shù)為 37 式中 n 為方向矢量為梯度矢量 Canny 算子是建立在二維卷積基礎(chǔ)上邊緣強(qiáng)度由和方向 來 決 定 為了 提 高Canny 算子的運(yùn)算速度將的二維卷積模板分解為兩個(gè)一維濾波器得 38 式中 39 可 見 310 然后將這兩個(gè)模板分別與圖像 f xy 進(jìn)行卷積得到 311 令 312 式中 A ij 反映了圖像上 ij 點(diǎn)處的邊緣強(qiáng)度 為垂邊緣的方向 在邊緣檢測中邊緣定位能力和噪聲抑制能力是一對矛盾體有的算法邊緣定位能力比較強(qiáng)有的抗噪聲能力比較好邊緣檢測算子參數(shù)的選擇也直接影響到邊緣定位能力和噪聲抑制能力每種算子都有各自的優(yōu)缺點(diǎn) 1Roberts 算子 Roberts 算子利用局部差分算子尋找邊緣邊緣定位精度較高但容易丟失一部分邊緣同時(shí)由于圖像沒有經(jīng)過平滑處理因此不具備 抑制噪聲的能力該算子對具有陡峭邊緣且含噪聲少的圖像效果較好 2Sobel 算子和 Prewitt 算子這兩個(gè)算子都是先對圖像進(jìn)行加權(quán)平滑處理然后再做微分運(yùn)算所不同的是加權(quán)處理是的權(quán)值有些不同而已因此 Sobel 算子和Prewitt 算子對噪聲有一定的抑制能力但不能完全排除檢測結(jié)果中出現(xiàn)的虛假的邊緣雖然這兩個(gè)算子的邊緣定位效果不錯(cuò)但檢測出的邊緣容易出現(xiàn)多像素寬度 3 拉普拉斯算子該算子是不依賴于邊緣方向的二階微分算子對圖像中的階躍型邊緣點(diǎn)定位準(zhǔn)確該算子對噪聲是十分的敏感它使噪聲成分得到加強(qiáng)這兩個(gè)特性使得該算子容易丟失一部 分邊緣的方向信息造成一些不連續(xù)的檢測邊緣同時(shí)抗噪聲能力比較差 4Log 算子為了克服拉普拉斯算子的抗噪聲能力比較差的缺點(diǎn)該算子首先用高斯函數(shù)對圖像進(jìn)行平滑濾波處理然后才使用拉普拉斯算子檢測邊緣但在抑制噪聲的同時(shí)也可能將原有的比較尖銳的邊緣也給平滑掉了造成這些尖銳的邊緣無法被檢測到應(yīng)用 Log 算子時(shí)高斯函數(shù)中的方差參數(shù)的選擇很是關(guān)鍵這對圖像邊緣檢測效果有很大的影響高斯濾波器為低通濾波器越大通頻帶越窄對較高頻率噪聲的抑制作用越大避免了虛假邊緣的檢出但同時(shí)信號的邊緣也被平滑了造成某些邊緣點(diǎn)的丟失反之越小通頻帶越寬可以 檢測到圖像的更高頻率的細(xì)節(jié)但對噪聲的抑制能力也隨之下降容易出現(xiàn)虛假的邊緣因此在應(yīng)用 Log 算子時(shí)為取得更佳的效果應(yīng)該對不同圖像選擇不同的參數(shù) 5Canny 算子該算子雖然是基于最優(yōu)化思想推出的邊緣檢測算子但實(shí)際效果并不一定最優(yōu)原因在于理論和實(shí)際有許多不一致的地方該算子同樣采用高斯函數(shù)對圖像進(jìn)行平滑處理因此具有較強(qiáng)的抑制噪聲能力同樣該算子也會將一些高頻邊緣平滑掉造成邊緣丟失 Canny 算子之后采用了雙閾值算法檢測和連接邊緣它采用的多尺度檢測和方向性搜索較 Log 算子要好 上面介紹的只是邊緣檢測比較有代表性的算法而且 單純的從數(shù)學(xué)的角度來講述的下面介紹各種算法在 Matlab 中的實(shí)現(xiàn) 32 各種算法的 Matlab 實(shí)現(xiàn) Matlab 圖像處理工具箱提供的 edge 函數(shù)可實(shí)現(xiàn)邊緣檢測的功能 ede 函數(shù)的用法如下所示 edge 功能 識別強(qiáng)度圖像中的邊界 語法 BW edge Isobel BW edge Isobelthresh BW edge Isobelthreshdirection [BWthresh] edge Isobel BW edge Iprewitt BW edge Iprewittthresh BW edge Iprewittthreshdirection [BWthresh] edge Iprewitt BW edge Iroberts BW edge Irobertsthresh [BWthresh] edge Iroberts BW edge Ilog BW edge Ilogthresh BW edge Ilogthreshsigma [BWthreshold] edge Ilog BW edge Izerocrossthreshh [BWthresh] edge Izerocross BW edge Icanny BW edge Icannythresh BW edge Icannythreshsigma [BWthreshold] edge Icanny 上面剛介紹邊緣檢測在 Matlab 中的基本調(diào)用格式現(xiàn)在舉個(gè)例子來說明什么是邊緣檢測 I imread ricetif BW1 edge Iprewitt BW2 edge Icanny imshow BW1 figure imshow BW2 圖 31 Canny 與 prewitt 算子圖片邊緣檢測 下面的程序分別使用上述 4 中算子進(jìn)行圖像邊緣檢測 例 使用上述邊緣檢測方法檢測圖像邊緣包括檢測算子 aPrewitt bRoberts cLaplacian of GaussianLoG dCanny f imread pepperspng 讀入圖像 f rgb2gray f 將彩色圖像轉(zhuǎn)換為灰度圖像 f im2double f 轉(zhuǎn)換為雙精度便于后面的計(jì)算 figure imshow f title Original Image PF edge fprewitt 邊緣探測算子為 prewitt figureimshow PF title Prewitt Filter RF edge froberts 邊緣探測算子為 roberts figureimshow RF title Roberts Filter LF edge flog 邊緣探測算子為 log figureimshow LF title Laplacian of Gaussian LoG Filter CF edge fcanny 邊緣探測算子為 canny figureimshow CF title Canny Filter 運(yùn)行上述程序之后就可得到圖 32 圖 33 圖 34 圖 35 圖 36 圖 32 原始圖像的灰度圖像 圖 33 Prewitt 算子圖像邊緣檢測 圖 34 Roberts 算子圖像邊緣檢測 圖 35 Log 算子圖像邊緣檢測 圖 36 Canny 算子圖像邊緣檢測 運(yùn)行結(jié)果如上圖所示比較 4 種算子檢測的邊緣圖像可以看出 Log 和 Canny算子生成的邊緣線較多圖像較為復(fù)雜而 Prewitt和 Roberts算子生成的邊 緣線較少圖像較為簡單 33 本章小結(jié) 本章詳細(xì)的介紹了幾種常用的邊緣檢測算子的原理及其優(yōu)缺點(diǎn)并且介紹了各種算法在 Matlab 平臺中的實(shí)現(xiàn)但都是單純的從理論上介紹的缺乏直觀性讓人很難真正的理解何為邊緣檢測下面一章將用大量的邊緣處理的圖片來說明個(gè)
試題試卷相關(guān)推薦
鄂ICP備17016276號-1