數(shù)字圖像處理第5章圖像分割與邊緣檢測(參考版)
2025-05-18 22:14本頁面
【正文】 如果選擇的過大 ， 一些細微邊緣會被平滑丟失 ， 鄰近的邊緣會發(fā)生融合現(xiàn)象 ， 因此造成重要邊緣信息的丟失；如果較小 ， 會帶來很多不必要的細節(jié)邊緣和噪聲邊緣 ， 一般來講的取值也和圖像的復雜度和處理的要求有關 。 它把高斯平滑濾波器和拉普拉斯銳化濾波器結合起來 ， 先平滑掉噪聲 ， 再進行邊緣檢測 ， 所以效果更好 。 因此一般總是先通過先圖像濾波后再使用 Laplacian算子 。 yxr ffg ，?常用的梯度算子有 Robert算子、 Prewitt算子和 Sobel算子等。 yxr ffg ?? |)||m a x (| 39。yxr ffg ??|||| 39。 xyr ff??239。 yx ffryyfrxxfrf ?????????????????)/a r c t a n ( 39。 jifjiff yx ??第五章 圖像分割 圖像 f(x,y)在 方向沿著極徑 r的梯度： 梯度方向： 梯度幅值： 實際應用中 ， 為了避免開方運算 ， 簡化為下面兩個公式： ??? s i nc os 39。 ??? jifjifjif y? ??? s i n),(c o s),( 39。 ),1(),(),(39。 圖 59 邊緣截面及導數(shù)圖 第五章 圖像分割 檢測 X方向上的灰度變化： 檢測 Y方向上的灰度變化： 檢測 方向上的灰度變化： 導數(shù)運算簡單可行 ,但具有方向性 ， 往往只能檢測檢測某個方向的邊緣 ， 而與這個方向垂直的邊緣則無法檢測 。 第五章 圖像分割 基本的灰度變化可以是階躍形或者斜坡形或者脈沖形等 ，這些只是理想的情況 ， 考慮到圖像是二維的 ， 而且往往圖像上疊加有噪聲 ， 因此灰度的變化要復雜的多 。 第五章 圖像分割 邊緣的描述包含以下幾個方面： ? 邊緣法線方向：在某點灰度變化最劇烈的方向 ， 與邊緣方向垂直； ? 邊緣方向：與邊緣法線方向垂直 ， 目標邊界的切線方向； ? 邊緣位置：邊緣所在的坐標位置； ? 邊緣強度：沿邊緣法線方向圖像局部的變化強度的量度 。 我們定義邊緣為兩個具有不同灰度的均勻圖像區(qū)域的邊界 ， 即邊界反映局部的灰度變化 。 第五章 圖像分割 到目前為止 ， 還沒有關于邊緣的精確且被廣泛承認的數(shù)學定義 。 邊緣中包含著有價值的景物邊界信息 ， 這些信息可以用于圖像分析 、 目標識別以及圖像濾波 ， 并且通過邊緣檢測可以極大的降低后繼圖像分析處理的數(shù)據(jù)量 。 在此 ， 均一性準則可以是前面所描述的象素點的灰度值是否小于平均灰度 ， 也可采用統(tǒng)計檢驗諸如均方誤差最小 、 F檢驗等方法 。 圖 57 圖像的四叉樹表示 第五章 圖像分割 區(qū)域分裂 合并法 區(qū)域的分裂方法存在一個缺陷：在最后可能出現(xiàn)分裂的兩個區(qū)域是相鄰的 ， 而且兩個區(qū)域滿足均一性條件 ， 但是卻不能合成一個區(qū)域的現(xiàn)象 。 第五章 圖像分割 區(qū)域分裂法 區(qū)域分裂是與區(qū)域合并相反的一個過程 。 ?不斷重復上述過程 ， 若某區(qū)域不能與它周圍的所有區(qū)域合并 ， 則被標記成終結 ， 當所有區(qū)域終結時 ， 合并過程結束 。 第五章 圖像分割 ? 形成最初
高考資料相關推薦
鄂ICP備17016276號-1