【正文】 據(jù)，其構(gòu)成不是區(qū)域的邊緣（區(qū)分一個圖像區(qū)域和另一個區(qū)域的像素集）就是其區(qū)域本身的所有點。無論哪種情況，把數(shù)據(jù)轉(zhuǎn)換成適合計 算機處理的形式都是必要的。首先，必須確定數(shù)據(jù)是應(yīng)該被表現(xiàn)為邊界還是整個區(qū)域。當注意的焦點是外部形狀特性（如拐角和曲線）時，則邊界表示是合適的。當注意的焦點是內(nèi)部特性（如紋理或骨骼形狀）時，則區(qū)域表示是合適的。則某些應(yīng)用中，這些表示方法是互補的。選擇一種表現(xiàn)方式僅是解決把原始數(shù)據(jù)轉(zhuǎn)換為適合計算機后續(xù)處理的形式的一部分。為了描述數(shù)據(jù)以使感興趣的特征更明顯，還必須確定一種方法。描述也叫特征選擇，涉及提取特征，該特征是某些感興趣的定量信息或是區(qū)分一組目標與其他目標的基礎(chǔ)。 識別是基于目標的描述給目標賦以符號的過程。 如上文詳細討論的那樣，我們用識別個別目標方法的開發(fā)推出數(shù)字圖像處理的覆蓋范圍。 到目前為止，還沒有談到上面圖 2 中關(guān)于先驗知識及知識庫與處理模塊之間的交互這部分內(nèi)容。關(guān)于問題域的知識以知識庫的形式被編碼裝入一個圖像處理系統(tǒng)。這一知識可能如圖像細節(jié)區(qū)域那樣簡單，在這里，感興趣的信息被定位，這樣，限制性的搜索就被引導到尋找的信息處。知識庫也可能相當復雜，如材料檢測問題中所有主要缺陷的相關(guān)列表或者圖像數(shù)據(jù)庫（該庫包含變化檢測應(yīng)用相關(guān)區(qū)域的高分辨率衛(wèi)星圖像）。除了引導每一個處理模塊的操作，知識庫還要控制模塊間的交互。 這一特性上面圖 2中的處理模塊和知識庫間用雙箭頭表示。相反單頭箭頭連接處理模塊。 邊緣檢測 邊緣檢測 是 圖像處理 和 計算機視覺 中的術(shù)語，尤其在特征檢測和特征抽取領(lǐng)域，是一種用來識別數(shù)字圖像亮度驟變點即不連續(xù)點的算法。盡管18 Chapter 1 ■ Introduction 在任何關(guān)于分割的討論中，點和線檢測都是很重要的，但是邊緣檢測對于灰度級間斷的檢測是最為普遍的檢測方法。 雖然某些文獻提過理想的邊緣檢測步驟，但自然界圖像的邊緣并不總是理想的階梯邊緣。相反，它們通常受到一個或多個下面所列因素的影響： 場景深度 帶來的聚焦模糊； 半影模糊 ； 陰影 ； 鏡面反射 或者 漫反射 。 一個典型的邊界可能是（例如）一塊紅色和一塊黃色之間的邊界；與之相反的是 邊線 ， 可能是在另外一種不變的背景上的少數(shù)不同顏色的點。在邊線的每一邊都有一個邊緣。 在對數(shù)字圖像的處理中，邊緣檢測是一項非常重要的工作。如果將邊緣認為是一定數(shù)量點亮度發(fā)生變化的地方，那么邊緣檢測大體上就是計算這個亮度變化的導數(shù)。為簡化起見，我們可以先在一維空間分 析邊緣檢測。在這個例子中，我們的數(shù)據(jù)是一行不同點亮度的數(shù)據(jù)。例如，在下面的 1維數(shù)據(jù)中我們可以直觀地說在第 4 與第 5 個點之間有一個邊界： 5 7 6 4 152 148 149 如果光強度差別比第四個和第五個點之間小，或者說相鄰的像素點之間光強度差更高，就不能簡單地說相應(yīng)區(qū)域存在邊緣。而且，甚至可以認為這個例子中存在多個邊緣。除非場景中的物體非常簡單并且照明條件得到了很好的控制，否則確定一個用來判斷兩個相鄰點之間有多大的亮度變化才算是有邊界的閾值，并不是一件容易的事。實際上，這也是 為什么邊緣檢測不是一個簡單問題的原因之一。 有許多用于邊緣檢測的方法，它們大致可分為兩類：基于搜索和基于零交叉 .基于搜索的邊緣檢測方法首先計算邊緣強度，通常用一階導數(shù)表示 ， 例如 梯度 模；然后，用計算估計邊緣的局部方向，通常采用梯度的方向，并利用此方向找到局部梯度模的最大值?；诹憬徊娴姆椒ㄕ业接蓤D像得到的二階導數(shù)的零交叉點來定位邊緣。通常用 拉普拉斯算子 或 非線性微分方程 的零交叉點，我們將在后面的小節(jié)中描述 .濾波 做為邊緣檢測的預(yù)處理通常是必要的，通常采用 高斯濾波 。 已發(fā)表的邊緣檢測方法應(yīng)用計算邊界強度的度量， 這與平滑濾波有本質(zhì)的不同 . 正如許多邊緣檢測方法依賴于圖像梯度 的計算， 他們用不同種類的濾波器來估計 x方向和 y方向的梯度 . 一旦我們計算出導數(shù)之后，下一步要做的就是給出一個閾值來確定哪里是邊緣位置。閾值越低，能夠檢測出的邊線越多，結(jié)果也就越容易受到圖片噪聲 的影響，并且越容易從圖像中挑出不相關(guān)的特性。與此相反，一 個高的閾值將會遺失細的或者短 的線段。 如果邊緣閾值應(yīng)用于正確的的梯度幅度圖像，生成的邊緣一般會較厚，某些形式的邊緣變薄處理是必要的。然而非最大抑制的邊緣檢測，邊緣曲線的定義十分模糊，邊緣像素可能成為邊緣多邊形通過一個邊緣連接（邊緣跟蹤）的過程。在一個離散矩陣中，非最大抑制階梯能夠通過一種方法來實現(xiàn)，首先預(yù)測一階導數(shù)方向、然后把它近似到 45 度的倍數(shù)、最后在預(yù)測的梯度方向比較梯度幅度。 一個常用的這種方法是帶有 滯后作用 的 閾值選擇 。這個方法使用不同的閾值去尋找邊緣。首先使用一個閾值上限去尋找邊線開始的地方。一旦找到了一個開始點，我們在圖像上逐點跟蹤邊緣路徑，當 大于門檻下限時一直紀錄邊緣位置，直到數(shù)值小于下限之后才停止紀錄。這種方法假設(shè)邊緣是連續(xù)的界線，并且我們能夠跟蹤前面所看到的邊緣的模糊部分，而不會將圖像中的噪聲點標記為邊緣。 但是，我們 仍然存在 選擇適當?shù)拈撝祬?shù) 的問題 ， 而且不同圖像的 閾值 差別也很大 。 其它一些邊緣檢測操作是基于亮度的二階導數(shù)。這實質(zhì)上是亮度梯度的 變化率 。在理想的連續(xù)變化情況下，在二階導數(shù)中檢測過零點將得到梯度中的局部最大值。另一方面，二階導數(shù)中的峰值檢測是邊線檢測，只要圖像操作使用一個合適的尺度表示。如上所述，邊線是雙重邊緣，這樣我們就可以在邊線的一邊看到一個亮度梯度，而在另一邊看到相反的梯度。這樣如果圖像中有邊線出現(xiàn)的話我們就能在亮度梯度上看到非常大的變化。為了找到這些邊線，我們可以在圖像亮度梯度的二階導數(shù)中尋找過零點。 總之，為了對有意義的邊緣點進行分類，與這個點相聯(lián)系的灰度級變換必須比在這一點的背景 上變換更為有效。由于我們用局部計算進行處理，決定一個值是否有效的選擇方法就是使用門限。因此，如果一個點的二維一階導數(shù)比指定的門限大，我們就定義圖像中的此點是一個邊緣點。術(shù)語“邊緣線段”一般在邊緣與圖像的尺寸比起來很短時才使用。分割的關(guān)鍵問題是如何將邊緣線段組合成更長的邊緣。如果我們選擇使用二階導數(shù)，則另一個可用的定義是將圖像中的邊緣點定義為它的二階導數(shù)的零交叉點。此時，邊緣的定義同上面講過的定義是一樣的。應(yīng)注意，這些定義并不能保證在一幅圖像中成功地找到邊緣，它們只是給了我們一個尋找邊緣的形式體系。圖像中的一 階導數(shù)用梯度計算，二階導數(shù)使用拉普拉斯算子得到。 20 Chapter 1 ■ Introduction 指導老師： 吳自力 03072021 馬維華 e馬 , 陪 F?l m 嫄 W壙獑 ??N€?)? 0?q??3 拞屓 ??p勌 m :b5a漬 璺 1疆 l v~0瘩艌 v€??` @2屘 b瘌 〆妋 4U~K 袢 , 疀薤 ` , A6 玭 $? $ 徤 ?| ッ ?罪 =T ?G駁 op1尚懇袹戦疈 u圻 ?賡 O?a?*{p懡 0L ) w懱 拽 ?E???/ 扢 ] ?9镃 /潺 hRＱ烞 b蔔 Ye 嚁劑 Bb?捚 ?慳曥 T?UF UZ ! 醋 M[ M蘇 g壺鰷伸 ?? ?qf g%厧 139。 t? € 戯 憤焿驆罳騙 ^萡 P ? 躀 cP縮蒕 \ ?nP砫 }?C?Z豸值 ? 箾殶竛吐 K?M轂 ?藑琶 q@v栃 ?? 譇 橒 忋喏曚 NI 耔 nENB峢 mT鸏 s眑 +? 該Ζ |紖 ? ! 汩 ?膾 f 抙氄宨澻 S箔 X M竴玐訨 ?V?腡 ?, B衹絵 2n吞 輷匽 e馬 e馬 ,陪 F?lm 嫄 W壙獑 ??N€?)? 0?q??3 拞屓 ??p勌 m :b5a漬 璺 1疆 l v~0瘩艌 v€ ??` @2屘 b瘌 〆妋 4U~K 袢 , 疀薤 ` , A6 玭 $? $ 徤 ?| ッ ?罪 =T ?G駁 op1尚懇袹戦疈 u圻 ?賡 O?a?*{p懡 0L ) w懱 拽 ?E??/ 扢 ] ?9镃 / 潺 hRＱ烞 b蔔 Ye 嚁劑 Bb?捚 ?慳曥 T羈 8? p~蟇 7硏楓 {pg裋 .1瑡 2陹 ?泝 Z祘 ?$賕 ?諑矽 ?| D 蚈 / 盰 , vDl E 嵮禋 T? NI 耔 nENB峢 mT鸏 s眑 +? 該Ζ |紖 ? ! 汩 ?膾 f 抙氄宨澻 S箔 X M竴玐訨 ?V?腡 ?, B衹絵 2 n吞 輷匽之 銻蚗 v 枉 h5d i: t 詮 I? 懣忋忑殆 懛 嗕 ! V汁 赸 l偎蠽れ Mヌ n?~鈹舤 Y? 忩 eF39。H ga}厏 a堳膷 Q? h芛 vf?? ? 瘐 ?c+粂 鰌 q惦 e z 赸 l 偎蠽れ Mヌ n?~鈹舤 Y? 忩 eF39。H ga}厏 a堳膷 Q? h芛 vf ?? ?瘐 ?c+粂 鰌 q惦 e 摭 F訥 , ド RU ?遴 ?eyk?窅脆 ? _躵 y 膠 ?宗 卝 ?XA蛋 ?H7曮 Z e馬 , 陪 F?l m 嫄 W壙獑 ??N€?)? 0?q??3 拞屓 ??p勌 m: b5a漬 璺 1疆 lv~0v€b瘌 〆妋 4U~K 袢 , 疀薤 ` , A6 玭 $? $ 徤 ?| ッ ?罪 =T ?G駁 op1尚懇袹戦疈 u圻 ?賡 O?a?*{p懡 0L ) w懱 拽 ?E???/ 扢 ] ?9镃 / 潺 hRＱ烞 b蔔 Ye 嚁劑 Bb?捚 ?慳曥 T?UF UZ ! 醋 M[ M蘇 g壺鰷伸 ? ?qf g%厧 139。 t?€ 戯憤焿驆罳騙 ^萡 P ? 躀 cP縮蒕 \ ?nP砫 }?C?Z豸值 ?箾殶竛吐 K?M轂 ?藑琶 q@v栃 ?? 譇 橒 忋喏曚 NI 耔 nENB?%? *H?棐鑉濤 3 峽 {Z乙 v徻 3?珄 餖 朮 爟 \ ♀ ?W圐葴 ^逑 \辢鈁 e? ?籋 鰫 . 僂 ? p~蟇 7硏楓 {pg裋 .1瑡 2陹 ?泝 Z祘 ?$賕 ?諑矽 ?| D 蚈 / 盰 ,vDl E 嵮禋 T羈 8? p~蟇 7硏楓 {pg裋 .1 瑡 2陹 ?泝 Z祘 ?$賕 ?諑矽 ?| D 蚈 / 盰 , vDlE 嵮禋 T? NI 耔 nENB峢 mT鸏 s眑 +? 該Ζ |紖 ? ! 汩 ?膾 f 抙氄宨澻 S箔 X M竴玐訨 ?V?腡 ?,B衹絵 2 n吞 輷匽之 銻蚗 v 枉 h5d i: t詮 I?懣忋忑殆 懛 嗕 寒絫 赸 l 偎蠽れ Mヌ n?~鈹舤 Y? 忩 eF39。H ga}厏 a 堳膷 Q? h芛 vf ? ? 瘐 ?c+粂 鰌 q惦 e z 赸 l 偎蠽れ Mヌ n?~鈹舤 Y? 忩 eF39。H ga}厏 a 堳膷 Q? h芛 vf ?? ?瘐 ?c+粂 鰌 q惦 e 摭 F訥 , ド RU ?遴 ?eyk?窅脆 ? _躵 y 膠 ?宗 卝 ?XA蛋 ?H7曮 Z e馬 , 陪 F?l m 嫄 W壙獑 ??N€?)? 0?q??3 拞屓 ??p勌 m: b5a漬 璺 1疆 l v~0瘩艌 v€ ??` @2屘 b瘌 〆妋 4U~K 袢 , 疀薤 ` , A6 玭 $? $ 徤 ?|ッ ?罪 =T ?G駁 op1尚懇袹戦疈 u圻 ?賡 O?a?*{p懡 0L )w懱 拽 ?E??/ 扢 ] ?9镃 /潺 hRＱ烞 b蔔 Ye 嚁劑 Bb?捚 ?慳曥 T?UF U Z ! 醋 M[ M蘇 g壺鰷伸 ?? ?qf g%厧 139。 t? € 戯憤焿驆罳騙 ^萡 P ? 躀 cP縮蒕 \ ?nP砫 }?C?Z豸值 ? 箾殶竛吐 K?M轂 ?藑琶 q@v栃 ?? 譇 橒 忋喏曚 NI 耔 nENB?% ? *H?棐鑉濤 3 峽 {Z乙 v徻 3?珄 餖 朮 爟 \♀ ?W圐葴 ^逑 \辢鈁 e? ?籋 鰫 .僂 T8? p~蟇 7硏楓 {pg裋 .1瑡 2 陹 ?泝 Z祘 ?$賕 ?諑矽 ?| D 蚈 / 盰 ,vDl E 嵮禋羈 8? p~蟇 7硏楓 {妋 4U~K 袢 ,疀薤 ` , A6 玭 $? $ 徤 ?|ッ ?罪 =T ?G 駁 op1尚懇袹戦疈 u圻 ?賡 O?a?*{p懡 0L ) w懱 拽 ?E??/ 扢 ] ?9镃 /潺 hRＱ烞 b蔔 Ye 嚁劑 Bb?捚 ?慳曥 T?UF U Z ! 醋 M[ M蘇 g壺鰷伸 ?? ?qf g%厧 139。 t?€ 戯憤焿驆罳騙 ^萡 P ? 躀 cP縮蒕 \ ?nP砫 }?C?Z豸 pg裋 .1瑡 2陹 ?泝 Z祘 ?$賕 ?諑矽 ?| D 蚈 / 盰 , vDl E 嵮禋 TNI 耔 nEN峢 mT鸏 s眑 +? 該Ζ |紖 ? ! 汩 ?膾 f 抙氄宨澻 S箔 X M竴玐訨 ?V?腡 ?, B衹絵 2 n吞 輷匽之 銻蚗 v 枉 h5d i: 羈 8? p~蟇 7硏楓 {pg裋 .1瑡 2陹 ?泝 Z祘 ?$ 賕 ?諑矽 ?| D 蚈 / 盰 ,vDl E 嵮 pg裋 .1瑡 2陹 ?泝 Z祘 ?$賕 ?諑矽 ?| D 蚈 / 盰 , vDl E 嵮禋 TNI 耔 nEN峢 mT鸏 s眑 +? 該Ζ |紖 ? !汩 ?膾 f 抙氄宨澻 S箔 X M竴玐訨 ?V?腡 ?, B衹絵 2 n吞 輷匽之 銻 蚗 v 枉 h5d i: 羈 8? p~蟇 7硏楓 {pg裋 .1瑡 2陹 ?泝 Z祘 ?$賕 ?諑矽 ?| D 蚈 / 盰 , vDl E 嵮禋 TNI 耔 nEN峢 mT鸏 s眑 +? 該Ζ |紖 ? !汩 ?膾 f 抙氄宨澻 S箔 X M竴玐訨 ?V?腡 ?, B衹絵