一種改進(jìn)型Canny邊緣ppt課件

1、一種改進(jìn)型Canny邊緣檢測(cè)算法1.概述 邊緣是圖像最基本的特征。經(jīng)典的邊緣檢測(cè)算法認(rèn)為邊緣主要表現(xiàn)為圖像局部特征的不連續(xù)型，從而關(guān)于邊緣檢測(cè)算子的研究主要集中于灰度圖像梯度的研究。通常將邊緣劃分為階躍狀和屋頂狀兩種類(lèi)型。階躍邊緣中兩邊的灰度值有明顯的變化；屋頂狀邊緣位于灰度增加和減少的交界處。 典型的一階微分算子有Roberts算子、Prewitt算子、Sobel算子，二階有Laplace算子、LOG算子等等。這些算子簡(jiǎn)單容易實(shí)現(xiàn)，具有很好實(shí)時(shí)性，但對(duì)噪聲比較敏感、抗干擾性能差，邊緣不夠精細(xì)。 Canny算子是基于最優(yōu)化算法的邊緣檢測(cè)算子，具有很好信噪比和檢測(cè)精度，但是Canny算子也有不足

2、。2.傳統(tǒng)的Canny算法 傳統(tǒng)Canny算法的思想是先將圖像使用高斯函數(shù)進(jìn)行濾波平滑，再由一階微分的極大值確定邊緣點(diǎn)。Canny算法選用合適的一維高斯函數(shù)，分別按行和列隊(duì)圖像進(jìn)行平滑去噪；然后采用二維高斯濾波模板來(lái)計(jì)算平滑后的數(shù)據(jù)陣列的梯度幅值和梯度方向，通過(guò)梯度的方向找到這個(gè)像素梯度方向的鄰接像素，遍歷整個(gè)圖像，去除非邊緣像素。 若某個(gè)像素的灰度值與其梯度方向上前后2個(gè)像素的灰度值比不是最大的，那么該像素不是邊緣。處理后的邊緣像素會(huì)導(dǎo)致梯度幅度圖像中出現(xiàn)脊，使用累計(jì)直方圖計(jì)算2個(gè)閾值。凡是大于高閾值的像素一定是邊緣；凡是小于低閾值的像素一定不是邊緣；如果檢測(cè)結(jié)果介于大閾值和小閾值之間，則看

3、這個(gè)像素的鄰接像素中有沒(méi)有灰度超過(guò)高閾值的邊緣像素；如果有，它就是邊緣，否則不是邊緣。3.Canny算法存在不足 傳統(tǒng)Canny算法用高斯函數(shù)對(duì)圖像進(jìn)行平滑造成過(guò)度平滑，圖像平滑濾波的主要目的是提高信噪比，消除噪聲，然而在對(duì)圖像做高斯平滑時(shí)，邊緣作為高頻成份被平滑掉，使一些邊緣變?yōu)榫忂吘?，這樣在非極大值抑制的時(shí)候，緩邊緣將會(huì)丟失。 傳統(tǒng)Canny算法在2x2鄰域內(nèi)求有限差分均值來(lái)計(jì)算梯度幅值的算法，對(duì)噪聲比較敏感，且容易檢測(cè)出假邊緣或丟失一些真實(shí)邊緣的細(xì)節(jié)部分。 傳統(tǒng)Canny算法檢測(cè)邊緣是，梯度閾值th1和th2完全依賴(lài)人工獲得，無(wú)法滿(mǎn)足大圖像庫(kù)中圖像邊緣自動(dòng)檢測(cè)的要求。4.改進(jìn)的Canny

4、邊緣檢測(cè)算法.非線(xiàn)性擴(kuò)散濾波 由于圖像邊緣和合噪聲都是高頻信號(hào)，運(yùn)用高斯函數(shù)進(jìn)行濾波，會(huì)使圖像的邊緣模糊度增加，這將導(dǎo)致后續(xù)邊緣檢測(cè)過(guò)程變得困難。因此采用由Perona和Malik提出的非線(xiàn)性各向異性擴(kuò)散濾波，它是一種比較有效的邊緣保持濾波方法，它以輸入的圖像作為初始條件，通過(guò)求解一個(gè)非線(xiàn)性偏微分方程得到濾波后的圖像，其各向異性擴(kuò)散方程為： 擴(kuò)散方程 其中 P-M方程的擴(kuò)散性質(zhì)取決于圖像邊緣的良好估計(jì)以及.3x3鄰域的梯度幅值計(jì)算.選取閾值 針對(duì)傳統(tǒng)Canny算法在高、低閾值設(shè)定上的缺陷，對(duì)圖像經(jīng)梯度運(yùn)算后得到的梯度幅值圖像，采用最大方差閾值法來(lái)確定Canny算法中的高閾值Th2，并且是低閾值Th1=Th2/2。 設(shè)Fi,j為MN圖像i,j點(diǎn)處的灰度值，假設(shè)Fi,j