《图像边缘提取算法的分析课件》由会员分享，可在线阅读，更多相关《图像边缘提取算法的分析课件（23页珍藏版）》请在装配图网上搜索。
1、,*,*,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,概述,成因：,(1)法向不连续；,(2)空间深度不同；,(3)曲面颜色不同；,(4)光照不连续。,作用：,(1)改良图像质量；(2)理解和重构视觉场景；,(3)分离对象；(4)识别特征；,(5)其他。,2024/11/16,1,概述成因：2023/7/311,Roberts算子,是一种利用局部差分算子寻找边缘的算子，两个模板分别为,算法步骤（两种处理方法）：,(1),(2)借鉴canny的处理方法，两个方向分别处理,1,0,0,-1,0,1,-1,0,2024/11/16,2,Roberts算子是
2、一种利用局部差分算子寻找边缘的算子，两个,抗噪性能,2024/11/16,3,抗噪性能2023/7/313,性能分析,利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备一直噪声的能力。,该算子对具有陡峭边缘且噪声低的图像效果较好。,2024/11/16,4,性能分析利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢,Sobel算子,中心差分，但对中间水平线和垂直线上的四个邻近点赋予略高的权重。,模板：,算法处理处理同Roberts Operator,-1,0,2,-2,0,2,-1,0,1,1,2,1,0,0,0,-1,-2,-1,202
3、4/11/16,5,Sobel算子中心差分，但对中间水平线和垂直线上的四个邻近点,抗噪性能,2024/11/16,6,抗噪性能2023/7/316,Prewitt算子,也属于中心差分类型，但没有给最邻近点较高的权重。,模板：,算法处理处理同Roberts Operator,-1,0,1,-1,0,1,-1,0,1,1,1,1,0,0,0,-1,-1,-1,2024/11/16,7,Prewitt算子也属于中心差分类型，但没有给最邻近点较高的,抗噪性能,2024/11/16,8,抗噪性能2023/7/318,性能分析,sobel算子和Prewitt算子都是对图像先作加权平滑处理，然后再作微分运算
4、，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。,虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。,2024/11/16,9,性能分析sobel算子和Prewitt算子都是对图像先作加权,Kirsch算子,图像中的每个位置都要经过8个模板的作用，最大值被选做输出，达到最大值的模板对应的方向就是边缘的方向。,算法步骤：,2024/11/16,10,Kirsch算子图像中的每个位置都要经过8个模板的作用，最大,抗噪性能,2024/11/16,11,抗噪性能2023/7/3111,Robinson算子,除了模板与kirsch
5、算子不同，其余的运算输出与kirsch算子完全一致。,注意算子的对称性(每隔四个符号相反)，可节约计算量,2024/11/16,12,Robinson算子除了模板与kirsch算子不同，其余的运,抗噪性能,2024/11/16,13,抗噪性能2023/7/3113,二阶算子检测,模板,算法步骤：图像经模板作用后执行跨零点检测(该过程比较复杂)。,参考文献：,HUERTAS and MEDIONI,Detection of Intensity Changes with Subpixel Accuracy Using Laplacian-Gaussian Masks，1986,0,1,0,1,-4
6、,1,0,1,0,2024/11/16,14,二阶算子检测模板0101-410102023/7/3114,抗噪性能,2024/11/16,15,抗噪性能2023/7/3115,性能分析,采用不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。,产生双边缘,2024/11/16,16,性能分析采用不依赖于边缘方向的二阶微分算子，对图像中的阶跃型,LOG算子,基本思想：先用高斯函数对图像滤波，然后对滤波后的图像进行拉普拉斯运算，算得的值等于零的点
7、认为是边界点。,算法步骤：,(1)对图像先进行高斯滤波，再进行Laplace算子运算；,(2)保留一阶导数峰值的位置记录，然后从中寻找Laplace跨零点；,(3)采用插值方法对跨零点进行估计。,2024/11/16,17,LOG算子基本思想：先用高斯函数对图像滤波，然后对滤波后的图,抗噪性能,2024/11/16,18,抗噪性能2023/7/3118,性能分析,该算子克服了Laplician算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成尖锐边缘无法被检测到。,原因：作为一个二阶导数，拉普拉斯算子具有对噪声无法接受的敏感性，拉普拉斯算子产生双边缘，
8、最后拉普拉斯不能检测边缘的方向,2024/11/16,19,性能分析该算子克服了Laplician算子抗噪声能力比较差的,Canny算子,基本思想：首先对图像选择一定的Gauss滤波器进行平滑滤波，然后采用非极值抑制技术进行处理得到最后的边缘图像。,算法步骤：,(1)用高斯滤波器平滑图像。,(2)用一阶偏导的有限差分来计算梯度的幅,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。,2024/11/16,20,Canny算子基本思想：首先对图像选择一定的Gauss滤波器,抗噪性能,2024/11/16,21,抗噪性能2023/7/3121,性能分析,虽然是基于最优化思想推导出的边缘检测算子，但实际效果并不一定最优，原因在于理论和实际有许多不一致的地方(只离散了四个方向)。,该算子同样采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉，造成边缘丢失。,2024/11/16,22,性能分析虽然是基于最优化思想推导出的边缘检测算子，但实际效果,2024/11/16,23,2023/7/3123,
图像边缘提取算法的分析课件
