计算机视觉08 4.2边缘以及边特征提取

第二节边缘和线特征提取线特征提取算子

线特征是指图像的“边缘”与“线”

“边缘”可定义为图像局部区域特征不相同的那些区域间的分界线，而“线”则可以认为是具有很小宽度的其中间区域具有相同的图像特征的边缘对常用方法有差分算子、拉普拉斯算手、LOG算子等边缘（线）的灰度特征一、微分算子1．梯度算子差分算子对于一给定的阈值T，当大于T时，则认为像素（i，j）是边缘上的点。

近似-11-11

Roberts梯度算子-11-11

Sobel算子考察它上下、左右邻点灰度的加权差。与之接近的邻点的权大：i,j-101-101-101-1-1-1000111Prewitt算子与Sobel算子-101-202-101-1-21-101-121加大模扳抑制噪声Prewitt算子Sobel算子二.二阶差分算子二阶差分算子1．方向二阶差分算子i,ji,j方向二阶差分算子i,j拉普拉斯算子（Laplace）i,j拉普拉斯算子（Laplace）卷积核掩膜

取其符号变化的点，即通过零的点为边缘点，因此通常也称其为零交叉（zero-Crossing）点

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

首先用高斯函数先进行低通滤波，然后利用拉普拉斯算子进行高通滤波并提取零交叉点，高斯函数低通滤波边缘提取高斯一拉普拉斯算子（LOG）

以LOG算子为卷积核，对原灰度函数进行卷积运算后提取零交叉点为边缘

LoG边缘检测算法基本特征：平滑滤波器是高斯滤波器．采用拉普拉斯算子计算二阶导数．边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值．使用线性内插方法在子像素分辨率水平上估计边缘的位置．

（Marr&Hildreth）墨西哥草帽算子：LoG边缘检测算法5X5拉普拉斯高斯模板

Canny边缘检测器(1986,PAMI)算法步骤：1.

用高斯滤波器平滑图像．2.

用一阶偏导有限差分计算梯度幅值和方向.3.

对梯度幅值进行非极大值抑制．4.

用双阈值算法检测和连接边缘．

为什么用高斯滤波器？

平滑去噪和边缘检测是一对矛盾，应用高斯函数的一阶导数，在二者之间获得最佳的平衡。

步3.计算梯度幅值与方向角:步2.使用一阶有限差分计算偏导数阵列P与Q：步1.图像与高斯平滑滤波器卷积:步4.非极大值抑制（NMS）：去掉幅值局部变化非极大的点．*将梯度角离散为圆周的四个扇区之一，以便用3×3的窗口作抑制运算*方向角离散化：*抑制，得到新幅值图：步5.阈值化

取高低两个阈值作用于幅值图N[i,j]，得到两个边缘图：高阈值和低阈值边缘图。连接高阈值边缘图，出现断点时，在低阈值边缘图中的8邻点域搜寻边缘点。Why?

*阈值太低

假边缘;*阈值太高

部分轮廊丢失.*选用两个阈值:更有效的阈值方案．

Sobel边缘检测算子比较结果RobertsPrewittCannyLaplacianofGaussianSobelRobertsPrewittCannyLaplacianofGaussian原始图像边缘提取只能在灰度空间下吗?三.基于边缘检测的边界提取方法

利用LOG算子,Canny边缘检测器等完成边缘检测.如果图像中存在噪声时，用算子得到的边缘常常是孤立的或者非连续的.采用边缘闭合的方法进行处理，得到各个区域的边界，实现图像分割.边界跟踪方法:从灰度图像中的一个边缘出发,依次搜索并连接相邻边缘点,从而逐步检测出边界