基于vc的數(shù)字圖像處理軟件的開發(fā)-資料下載頁(yè)
2025-06-24 15:51本頁(yè)面
【正文】 之間在灰度(或紋理)特性上存在著某種不連續(xù)性(或突變性)進(jìn)行的一種檢測(cè)技術(shù)。兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在灰度邊緣，而這正是灰度值不連續(xù)的結(jié)果，這種不連續(xù)可以利用求一階和二階導(dǎo)數(shù)檢測(cè)到。這些邊緣檢測(cè)器對(duì)邊緣灰度值過渡比較尖銳且噪聲較小等不太復(fù)雜的圖像可以取得較好的效果。但對(duì)于邊緣復(fù)雜的圖像效果不太理想，如邊緣模糊、邊緣丟失、邊緣不連續(xù)等。噪聲的存在使基于導(dǎo)數(shù)的邊緣檢測(cè)方法效果明顯降低，在噪聲較大的情況下所用的邊緣檢測(cè)算子通常都是先對(duì)圖像進(jìn)行適當(dāng)?shù)钠交种圃肼?，然后求?dǎo)數(shù)，或者對(duì)圖像進(jìn)行局部擬合，再用擬合光滑函數(shù)的導(dǎo)數(shù)來代替直接的數(shù)值導(dǎo)數(shù)，如Canny算子等。在未來的研究中，用于提取初始邊緣點(diǎn)的自適應(yīng)閾值選取、用于圖像層次分割的更大區(qū)域的選取以及如何確認(rèn)重要邊緣以去除假邊緣將變的非常重要。在邊沿檢測(cè)中，常用的一種模板是Sobel算子。Sobel算子有兩個(gè)，一個(gè)是檢測(cè)水平邊沿的，另一個(gè)是檢測(cè)垂直平邊沿的。下面是傳統(tǒng)模板與Sobel算子水平與垂直邊沿檢測(cè)模板。與傳統(tǒng)模板相比，Sobel算子對(duì)于象素的位置的影響做了加權(quán)，因此效果更好。 (a)傳統(tǒng)水平 (b)傳統(tǒng)垂直 (c)Sobel水平 (d)Sobel垂直圖311 Sobel算子模板Sobel算子另一種形式是各向同性Sobel(Isotropic Sobel)算子，也有兩個(gè)，一個(gè)是檢測(cè)水平邊沿的，另一個(gè)是檢測(cè)垂直平邊沿的。各向同性Sobel算子和普通Sobel算子相比，它的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測(cè)不同方向的邊沿時(shí)梯度的幅度一致。(a)同向水平 (b)同向垂直圖312 Sobel同性算子 使用Sobel算子進(jìn)行邊緣檢測(cè)的效果如圖313：圖313 Sobel算子邊緣檢測(cè)由于噪聲點(diǎn)(灰度與周圍點(diǎn)相差很大的點(diǎn))對(duì)邊沿檢測(cè)有一定的影響，所以效果更好的邊沿檢測(cè)器是高斯拉普拉斯(LOG)算子。它是把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合了起來，先平滑掉噪聲，再進(jìn)行邊沿檢測(cè)，所以效果會(huì)更好。常用的LOG算子是55的模板，如圖314所示。到中心點(diǎn)的距離與位置加權(quán)系數(shù)的關(guān)系用曲線表示為圖315，LOG又叫墨西哥草帽濾波器。圖314 LOG算子模板圖315LOG到中心點(diǎn)的距離與位置加權(quán)系數(shù)的關(guān)系曲線使用高斯拉普拉斯算子進(jìn)行邊緣檢測(cè)的效果如圖316：圖316 LOG算子邊緣檢測(cè) 輪廓提取輪廓提取的算法非常簡(jiǎn)單，就是掏空內(nèi)部點(diǎn)：如果原圖中有一點(diǎn)為黑，且它的8個(gè)相鄰點(diǎn)都是黑色時(shí)(此時(shí)該點(diǎn)是內(nèi)部點(diǎn))，則將該點(diǎn)刪除。要注意的是，我們處理的雖然是二值圖，但實(shí)際上是256級(jí)灰度圖，不過只用到了0和255兩種顏色。輪廓提取效果如圖317： 圖 317 圖像的輪廓提取 參考文獻(xiàn)[1] 呂鳳軍.《數(shù)字圖像處理編程入門》.清華大學(xué)出版社，[2] .《Visual C++數(shù)字圖像處理（第二版）》.[3] .《Visual C++實(shí)用圖像處理專業(yè)教程》.
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1