第二節(jié)邊緣和線特征提取線特征提取算子

線特征是指圖像的“邊緣”與“線”

“邊緣”可定義為圖像局部區(qū)域特征不相同的那些區(qū)域間的分界線，而“線”則可以認(rèn)為是具有很小寬度的其中間區(qū)域具有相同的圖像特征的邊緣對(duì)常用方法有差分算子、拉普拉斯算手、LOG算子等邊緣（線）的灰度特征一、微分算子1．梯度算子差分算子對(duì)于一給定的閾值T，當(dāng)大于T時(shí)，則認(rèn)為像素（i，j）是邊緣上的點(diǎn)。

近似-11-11

Roberts梯度算子-11-11

Sobel算子考察它上下、左右鄰點(diǎn)灰度的加權(quán)差。與之接近的鄰點(diǎn)的權(quán)大：i,j-101-101-101-1-1-1000111Prewitt算子與Sobel算子-101-202-101-1-21-101-121加大模扳抑制噪聲Prewitt算子Sobel算子二.二階差分算子二階差分算子1．方向二階差分算子i,ji,j方向二階差分算子i,j拉普拉斯算子（Laplace）i,j拉普拉斯算子（Laplace）卷積核掩膜

取其符號(hào)變化的點(diǎn)，即通過零的點(diǎn)為邊緣點(diǎn)，因此通常也稱其為零交叉（zero-Crossing）點(diǎn)

拉普拉斯算子（Laplace）0006-600000030-300高斯一拉普拉斯算子（LOG）

首先用高斯函數(shù)先進(jìn)行低通濾波，然后利用拉普拉斯算子進(jìn)行高通濾波并提取零交叉點(diǎn)，高斯函數(shù)低通濾波邊緣提取高斯一拉普拉斯算子（LOG）

以LOG算子為卷積核，對(duì)原灰度函數(shù)進(jìn)行卷積運(yùn)算后提取零交叉點(diǎn)為邊緣

LoG邊緣檢測(cè)算法基本特征：平滑濾波器是高斯濾波器．采用拉普拉斯算子計(jì)算二階導(dǎo)數(shù)．邊緣檢測(cè)判據(jù)是二階導(dǎo)數(shù)零交叉點(diǎn)并對(duì)應(yīng)一階導(dǎo)數(shù)的較大峰值．使用線性內(nèi)插方法在子像素分辨率水平上估計(jì)邊緣的位置．

（Marr&Hildreth）墨西哥草帽算子：LoG邊緣檢測(cè)算法5X5拉普拉斯高斯模板

Canny邊緣檢測(cè)器(1986,PAMI)算法步驟：1.

用高斯濾波器平滑圖像．2.

用一階偏導(dǎo)有限差分計(jì)算梯度幅值和方向.3.

對(duì)梯度幅值進(jìn)行非極大值抑制．4.

用雙閾值算法檢測(cè)和連接邊緣．

為什么用高斯濾波器？

平滑去噪和邊緣檢測(cè)是一對(duì)矛盾，應(yīng)用高斯函數(shù)的一階導(dǎo)數(shù)，在二者之間獲得最佳的平衡。

步3.計(jì)算梯度幅值與方向角:步2.使用一階有限差分計(jì)算偏導(dǎo)數(shù)陣列P與Q：步1.圖像與高斯平滑濾波器卷積:步4.非極大值抑制（NMS）：去掉幅值局部變化非極大的點(diǎn)．*將梯度角離散為圓周的四個(gè)扇區(qū)之一，以便用3×3的窗口作抑制運(yùn)算*方向角離散化：*抑制，得到新幅值圖：步5.閾值化

取高低兩個(gè)閾值作用于幅值圖N[i,j]，得到兩個(gè)邊緣圖：高閾值和低閾值邊緣圖。連接高閾值邊緣圖，出現(xiàn)斷點(diǎn)時(shí)，在低閾值邊緣圖中的8鄰點(diǎn)域搜尋邊緣點(diǎn)。Why?

*閾值太低

假邊緣;*閾值太高

部分輪廊丟失.*選用兩個(gè)閾值:更有效的閾值方案．

Sobel邊緣檢測(cè)算子比較結(jié)果RobertsPrewittCannyLaplacianofGaussianSobelRobertsPrewittCannyLaplacianofGaussian原始圖像邊緣提取只能在灰度空間下嗎?三.基于邊緣檢測(cè)的邊界提取方法

利用LOG算子,Canny邊緣檢測(cè)器等完成邊緣檢測(cè).如果圖像中存在噪聲時(shí)，用算子得到的邊緣常常是孤立的或者非連續(xù)的.采用邊緣閉合的方法進(jìn)行處理，得到各個(gè)區(qū)域的邊界，實(shí)現(xiàn)圖像分割.邊界跟蹤方法:從灰度圖像中的一個(gè)邊緣出發(fā),依次搜索并連接相鄰邊緣點(diǎn),從而逐步檢測(cè)出邊界