文档介绍：目录
第1章引言 1
第2章图像边缘及边缘检测 2
边缘的定义及类型 2
图像的边缘检测 2
第3章几种经典边缘检测算子的理论分析 4
Roberts算子 4
Sobel算子 4
高斯拉普拉斯算子(Laplacian of a Gaussian,LoG) 5
Canny算子 6
第4章试验结果的比较与分析 10
总结 12
致谢 13
参考文献 14
数字图像边缘检测及提取算法研究与分析
摘要:边缘检测在数字图像处理、计算机视觉中有着重要的应用。本文首先介绍了图像边缘及边缘检测的一些基本概念,然后对数字图像处理中Roberts算子,Sobel算子,LoG算子,Canny算子四种典型的边缘检测算法进行理论分析,并通过VC++编程对各种算法进行实现,通过比较得出了各自的优缺点和适用范围。这对进一步学习和寻找更好的数字图像边缘检测方法具有一定的指导意义。
关键词:边缘检测;Roberts算子;Sobel算子;LoG算子;Canny算子
第1章引言
边缘是图像中所要提取目标和背景的分界线,只有提取出边缘才能将背景和目标区分开来。因此,数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析操作的重要基础,是图像识别中提取图像特征的一个重要步骤。物体的边缘是由灰度的不连续性所致,因此考察图像每个像素在某个邻域内灰度的变化,利用边缘邻近一阶或二阶方向导数变化规律即可检测图像边缘。边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。
边缘检测是图像特征提取的重要技术之一,边缘常常意味着一个区域的终结和另一个区域的开始。图像的边缘包含了物体形状的重要信息,它不仅在分析图像时大幅度地减少了要处理的信息量,而且还保护了目标的边界结构。因此,边缘检测可以看作是处理许多复杂问题的关键。
边缘检测的传统方法包括Roberts,Sobel,Prewitt,Kirsch,Robbins边缘检测方法以及Laplacian-Gaussian算子方法和Canny最优算子方法等。这些方法各有其特点,同时也都存在着各自的局限性和不足之处,因此图像的边缘检测领域还有待于进一步的改进和发展。本文通过对各种边缘检测方法的对比研究,着重选取Roberts算子,Sobel算子,LoG算子,Canny算子四种具有代表性的边缘检测算法进行详细的分析,并用VC++软件实现算法,用实际图像为例比较这些方法的优劣性。
第2章图像边缘及边缘检测
边缘的定义及类型
尽管边缘在数字图像处理和分析中起着重要的作用,但是到目前为止还没有关于边缘的精确且被广泛承认的数学定义。文献[1]将边缘定义为:两个具有不同灰度的均匀图像区域的边界,即边界反映局部的灰度变化。局部边缘是图像中局部灰度级以简单(即单调的)方式作极快变化的小区域。这种局部变化可用一定窗口运算的边缘检测算子来检测。边缘通常存在于目标与背景、目标与目标、区域与区域、基元与基元之间。边缘的描述包含以下几个方面:
边缘法线方向——在某点灰度变化最剧烈的方向,与边缘方向垂直;
边缘方向——与边缘法线方向垂直,是目标边界的切线方向;
边缘位置——边缘所在的坐标位置;
边缘强度——沿边缘法线方向图像局部的变化强度的量度。
一般认为沿边缘方向的灰度变化比较平缓,而边缘法线方向的灰度变化比较剧烈。基本的灰度变化可以是阶跃形、屋顶形或脉冲形等,。
(a)阶跃形(b)屋顶形(c)脉冲形
理想的基本灰度变化图
图像的边缘检测
图像边缘检测的基本步骤:
(1)滤波。边缘检测主要基于导数计算,但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。
(2)增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。
(3)检测。但在有些图像中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。
(4)定位。精确确定边缘的位置。
:
原始图像
平滑图像
平滑图像
得出边缘的二值化图像既检出边缘点
阈值分割
梯度算子
边缘增强
边缘检测
边缘定位
图像滤波
边缘检测的流程图
特征提取作为图像边缘检测的一个重要内容,发展了众多的方法。这些方法经过实践的检验,成为了经典的内容。经典的边缘检测算子包括:Roberts算子,Prewitt算子,Sobel算子,Log (Laplacian of Gaussian)算子等。这些经典的边缘提取算子在使用时都是使用预定义好的