v邊緣檢測ppt課件(編輯修改稿)
2025-02-10 07:44 本頁面
【文章內(nèi)容簡介】 fyxgyxh ???),()],([),( 2 yxfyxgyxh ???222242222 )(),( ??? yxeyxyxg ???????? 這樣，下面兩種方法在數(shù)學(xué)上是等價的。 ? （ 1） 圖象與高斯濾波器卷積 ， 再求卷積的拉普拉斯變換 。 ? （ 2）先求高斯濾波器的拉普拉斯變換，再求與圖象的卷積。 直接實(shí)現(xiàn) LOG算法的典型模板如圖（為一 5?5拉普拉斯高斯模板） ： ? ? 濾波（通常是平滑）、增強(qiáng)、檢測這三個步驟對使用 LOG邊緣檢測仍然成立，其中平滑是用高斯濾波器來完成的；增強(qiáng)是將邊緣轉(zhuǎn)換為零交叉點(diǎn)來實(shí)現(xiàn)的；邊緣檢測則是通過檢測零交叉點(diǎn)來進(jìn)行的。 拉普拉斯高斯邊緣檢測結(jié)果 ? 在上述方法中 ， 邊緣是在特定的分辨率下得到的 。為了從圖象中得到真正的邊緣 ， 有必要把那些通過不同尺度算子得到的信息組合起來 。 ? 下面介紹尺度空間的概念。高斯平滑運(yùn)算導(dǎo)致圖象中邊緣和其它尖銳不連續(xù)部分的模糊，其中模糊量取決于 σ 值。 σ 值越大，噪聲濾波效果越好，但同時也丟失了重要的邊緣信息，影響了邊緣檢測器的性能。如果用小尺度濾波器，即取小 σ 值，則濾波效果又會變差。大尺度濾波器在平滑相互鄰近的兩個邊緣時，可能會將它們連在一起，這樣只能檢測出一個邊緣。因此，在不知道物體尺度和位置的情況下，很難準(zhǔn)確確定濾波器的尺度。 ? 使用多尺度濾波模板并在濾波器的不同尺度上分析邊緣特性的方法仍在研究中。這些方法的基本思想是，通過使用大尺度濾波模板產(chǎn)生魯棒邊緣和小尺度濾波模板產(chǎn)生精確定位邊緣的特性，來檢測出圖象的最佳邊緣。 ? 多灰度圖象的邊緣聚焦法 ? 經(jīng)典的邊緣檢測算子和 MH算子在實(shí)際應(yīng)用中，仍存在噪聲與定位之間的矛盾，為了檢測出圖象中的重要邊緣，同時又能獲得高精度的定位，需要將不同尺度的平滑結(jié)合起來，以信噪比為基礎(chǔ)使數(shù)據(jù)自適應(yīng)地得到平滑。 ? “ 邊緣聚焦 ” 是由粗到細(xì)跟蹤邊緣，它將高精度定位與良好的噪聲抑制相結(jié)合。應(yīng)用這一方法可以精確地重建不同種類的接合點(diǎn)，這在三維景物重建與識別中是非常重要的。 ? （ 1） “ 邊緣聚焦 ” 的基本思想 ? 要解決檢測與定位問題，需從以下三個方面逐步完善： – 既要找出重要的強(qiáng)度非線性； – 又要抑制不必要的細(xì)節(jié)和噪聲； – 同時還要保證定位精度。 應(yīng)用 “ 邊緣聚焦 ” 方法可較好地解決上述問題。 “ 尺度空間 ” 可變分辨率的概念 “ 邊緣聚焦 ” 的基本思想 為了識別一幅圖象中的基本結(jié)構(gòu)，邊緣檢測器使用了模糊，模糊本身不是需要的，它僅僅是濾除噪聲與不必要細(xì)節(jié)的一種手段。于是我們就需要一個去模糊過程，最直接的方法是開始用強(qiáng)模糊得到一幅低分辨率邊緣圖，然后通過連續(xù)改變分辨率，將這些邊緣逐漸聚焦。 ?（ 2） 邊緣聚焦算法 ? 用基于離散高斯模糊和記錄梯度方向最大導(dǎo)數(shù)的邊緣檢測器產(chǎn)生一幅最初的低分辨率邊緣圖 。 由于圖象數(shù)據(jù)是離散的 ， 邊緣圖只在 x和 y的整數(shù)值有定義 ， 因此 ， 引入 E(i, j, σ0)來表示 ， 即： ? ? 選擇尺度空間的步長 S足夠小，以至于在邊緣聚焦期間每一步邊緣點(diǎn)移動距離不超過 1個象素。當(dāng) ?? = 1時，邊緣點(diǎn)通常移動不超過兩個象素，這就提示我們應(yīng)該將步長定為 S=。第一步 “ 邊緣聚焦 ” 包括以下計(jì)算：將 ? = ?0 s的邊緣檢測器只作用于用 ? = ?0檢測出的邊緣點(diǎn)及它們的鄰點(diǎn)。這樣，更高分辨率下的邊緣檢測只在舊邊緣周圍一個窄區(qū)域進(jìn)行，舊邊緣點(diǎn)被丟棄，新邊緣點(diǎn)被接受，于是得到邊緣圖 E(i, j, σ0s) 。接下來的邊緣聚焦步驟類似地進(jìn)行，在 E(i, j, σ0s)的邊緣附近區(qū)域進(jìn)行 ? = ?0 2s的邊緣檢測等。這個邊緣檢測器只對 ? = ?0的弱邊緣使用一個閾值，但在更高分辨率下不使用閾值。邊緣聚焦一直進(jìn)行下去，直到高斯模糊非常微弱。 100 {),
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1