邊緣檢測(cè)簡(jiǎn)介

邊緣檢測(cè)計(jì)算機(jī)如何識(shí)別邊緣計(jì)算機(jī)

楊璐目錄PART1PART2PART3經(jīng)典邊緣模型

Prewitt算子

Canny算子邊緣的定義邊緣檢測(cè)的目的

邊緣檢測(cè)的應(yīng)用

應(yīng)用：計(jì)算機(jī)識(shí)別邊緣PPT目標(biāo)掌握內(nèi)容1.計(jì)算機(jī)視角的邊緣意義2.邊緣檢測(cè)的目的及應(yīng)用3.經(jīng)典算子及其優(yōu)缺點(diǎn)1.Canny算子實(shí)現(xiàn)邊緣檢測(cè)的原理及步驟2.計(jì)算機(jī)如何識(shí)別邊緣1.計(jì)算機(jī)識(shí)別邊緣的編程步驟2.經(jīng)典算子模型理解內(nèi)容了解內(nèi)容邊緣的定義：人眼&計(jì)算機(jī)邊緣勾畫(huà)出目標(biāo)物體；邊緣蘊(yùn)含了豐富的信息：方向、形狀等；邊緣是圖像局部特征不連續(xù)（灰度突變、顏色突變、紋理結(jié)構(gòu)突變等）的反映；標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始。邊緣的定義：人眼&計(jì)算機(jī)對(duì)于計(jì)算機(jī)，邊緣是指周?chē)袼鼗叶扔凶兓哪切┫袼氐募?。主要表現(xiàn)為圖像局部特征的不連續(xù)行；即信號(hào)發(fā)生奇異變化的地方。邊緣檢測(cè)的目的人眼對(duì)物體的區(qū)別依賴于圖像的邊緣；人的視覺(jué)細(xì)胞對(duì)物體的邊緣特別敏感。我們先看到物體的輪廓，然后才判斷這到底是什么東西。邊緣檢測(cè)技術(shù)能夠?qū)D像中最有意義的部分即邊緣信息。提取出來(lái)，為進(jìn)一步的圖像分析、處理、識(shí)別奠定基礎(chǔ)邊緣檢測(cè)的應(yīng)用邊緣通常存在于目標(biāo)與目標(biāo)、目標(biāo)與背景、區(qū)域與區(qū)域之間的位置，是圖像局部亮度變化最顯著的部分。對(duì)產(chǎn)品形狀規(guī)格的檢測(cè)車(chē)牌識(shí)別人臉識(shí)別地震帶檢測(cè)生物醫(yī)療......邊緣模型之Prewitt算子Prewitt算子原理：在圖像空間利用兩個(gè)方向模板與圖像進(jìn)行鄰域卷積來(lái)完成。這兩個(gè)方向模板一個(gè)檢測(cè)水平邊緣，一個(gè)檢測(cè)垂直邊緣。利用像素點(diǎn)上下、左右鄰點(diǎn)的灰度差，在邊緣處達(dá)到極值檢測(cè)邊緣，去掉部分偽邊緣，對(duì)噪聲具有平滑作用。缺點(diǎn)：經(jīng)典Prewitt算子認(rèn)為凡灰度新值大于或等于閾值的像素點(diǎn)都是邊緣點(diǎn)。這種判定會(huì)造成邊緣點(diǎn)的誤判，許多噪聲點(diǎn)的灰度值也很大，而且對(duì)于幅值較小的邊緣點(diǎn)，其邊緣反而丟失了。邊緣模型之Canny算子Canny算子Canny的目標(biāo)是找到一個(gè)最優(yōu)的邊緣檢測(cè)算法。最優(yōu)邊緣檢測(cè)的含義是：1.好的檢測(cè)-算法能夠盡可能多地標(biāo)識(shí)出圖像中的實(shí)際邊緣。優(yōu)缺點(diǎn)：Canny算法適用于不同的場(chǎng)合。它的參數(shù)允許根據(jù)不同實(shí)現(xiàn)的特定要求進(jìn)行調(diào)整以識(shí)別不同的邊緣特性。對(duì)于PC上的實(shí)時(shí)圖像處理來(lái)說(shuō)可能慢得無(wú)法使用，尤其是在使用大的高斯濾波器的情況下。2.好的定位-標(biāo)識(shí)出的邊緣要盡可能與實(shí)際圖像中的實(shí)際邊緣盡可能接近。3最小響應(yīng)-圖像中的邊緣只能標(biāo)識(shí)一次，并且可能存在的圖像噪聲不應(yīng)標(biāo)識(shí)為邊緣。邊緣模型之Canny算子Canny算子步驟：1.去噪任何邊緣檢測(cè)算法都不可能在未經(jīng)處理的原始數(shù)據(jù)上很好地處理2.尋找圖像中的亮度梯度圖像中的邊緣可能會(huì)指向不同的方向，所以Canny算法使用4個(gè)mask檢測(cè)水平、垂直以及對(duì)角線方向的邊緣。原始圖像與每個(gè)

mask所作的卷積都存儲(chǔ)起來(lái)對(duì)于每個(gè)點(diǎn)我們都標(biāo)識(shí)在這個(gè)點(diǎn)上的最大值以及生成的邊緣的方向。從原始圖像生成了圖像中每個(gè)點(diǎn)亮度梯度圖以及亮度梯度的方向。3.在圖像中跟蹤邊緣較高的亮度梯度比較有可能是邊緣，但是沒(méi)有一個(gè)確切的值來(lái)限定多大的亮度梯度是邊緣多大，所以Canny使用了滯后閾值。滯后閾值需要兩個(gè)閾值——高閾值與低閾值。邊緣模型之Canny算子假設(shè)圖像中的重要邊緣都是連續(xù)的曲線，從一個(gè)較大的閾值開(kāi)始，這將標(biāo)識(shí)出我們比較確信的真實(shí)邊緣，使用前面導(dǎo)出的方向信息，我們從這些真正的邊緣開(kāi)始在圖像中跟蹤整個(gè)的邊緣。在跟蹤的時(shí)候，我們使用一個(gè)較小的閾值，這樣就可以跟蹤曲線的模糊部分直到我們回到起點(diǎn)。其他邊緣模型1不同σ值的LoG算子2將圖像分為文字和非文字的兩個(gè)類(lèi)別3形態(tài)學(xué)梯度檢測(cè)二值圖像的邊緣4圖像的閾值分割5用水線閾值法分割圖像6對(duì)矩陣進(jìn)行四叉樹(shù)分解各有優(yōu)缺、各有側(cè)重如如何識(shí)別圖像邊緣？前面提到，學(xué)者發(fā)現(xiàn)，人的視覺(jué)細(xì)胞對(duì)物體的邊緣特別敏感。我們先看到