图像处理笔记 —— 边缘检测

图像处理笔记 —— 边缘检测

---

• 源码运行平台：matlab2015

• 使用的图片库，USC-SIPI：http://sipi.usc.edu/database

---

一. 边缘检测的基本概念

1. 图像的边缘相当于二元函数的梯度幅度比较大的位置点，而且梯度还能反映图像局部变化最快的方向，在某指定的方向上，把梯度模超过指定阈值的位置数据记录下来，就是沿该方向的图像边缘。

2. 正确地描绘边缘应当包括两个方面：边缘点的位置以及局部的边缘方向。边缘一般是指灰度变化率最大的位置。图像边缘的成因：

   • 图像灰度在表面法向变化的不连续性造成的边缘。

   • 图像对象 在空间上的深度不一致形成的边缘。

   • 在光顺表面上由于颜色的不一致性形成的边缘

   • 物体的光影造成的边缘

   常用术语

   • 阶跃边：在剖面上看，图像灰度在奇异点，两侧由明显的差异

   • 高台边：图像灰度除去奇异点位置之外保持平坦，只在奇异点附近突然跃起或者降低。

   • 边缘点：图像灰度的显著变化点，又称奇异点

   • 边缘段：边缘的坐标及其方向

   • 边缘检测：从图像中检测边缘点和边缘段，并且描述边缘方向的过程。在边缘检测中，存在两种类型的错误：漏检了边缘点和非边缘点误认为边缘点。

   • 轮廓：图像边缘的列表

   • 边缘连接：将边缘列表元素有序化的过程

   • 边缘跟踪：在图像或者图像序列中，确定轮廓的过程。

---

二. 基于微分算子的边缘检测原理

1. 微分算子的两个重要性质，由于这两个性质，在使用微分算子之前，应该采用预处理抗噪声技术。

   • 定域性： 即局部性，每一点的导数只与函数在该点邻近的信息有关

   • 敏感性：对局部的函数值变化敏感，抗噪性差

2. 微分算子的定域性：
   设函数 $f(x,y), (x,y) \in \Omega$ 有足够高阶的连续可导性，则，$D^{m,n} : f(x,y) \rightarrow D^{m,n}f(x,y)$ 是有限阶偏导数，
   $D^{m,n}f(x,y) = \frac{\partial^{m+n}f(x,y)}{\partial x ^{m}\partial y^{n}}$
   那么要计算一点$(a,b)$处的导数$D^{m,n} : f(a,b)$ ，只需要$f(x,y)$ 在 $(a,b)$ 的一个小邻域$B = \{(x,y) | (x-a)^{2}+(y-b)^{2} \leq \varepsilon \}$ 中的信息$\{ f(x,y)|(x,y)\in B \}$ 即可。

3. 边缘检测技术的基本步骤：

   • 将相应的微分算子简化为离散差分格式，进而简化成模板（记为 $T$）。

   • 利用模板对图像 $f(x,y)$，获得模板作用后的结果 $Tf(m,n)$

   • 提出阈值 $h$，在采用一阶微分算子情形，记录下高于某个阈值 $h$ 的位置坐标 sh={ (m,n)||Tf(m,n)|≥h}