12.边缘检测-Part1

目录

 

一 概述

1.背景知识

2.噪声对边缘模型的影响

3.边缘检测的基本步骤

二 边缘检测-基于梯度算子

1.梯度定义

2.梯度算子的说明

3.举例

4.阈值处理

三 边缘检测-基于LoG算子

1.理论基础

2.LoG算子介绍

3.LoG算子的检测步骤

三 边缘检测-基于Canny算子

1.Canny算子介绍

2.Canny算子的数学推到过程

3.Canny算子过程总结

4.Canny算子举例

---

  数字图像处理的配套视频教程：

1.【冈萨雷斯-数字图像处理】开始安排续数字图像处理的教程_哔哩哔哩_bilibili

2. 数字图像处理通俗教程-冈萨雷斯_哔哩哔哩_bilibili

---

一 概述

1.背景知识

原理：基于灰度突变来定位边缘位置

常见的几种边缘模型如下

斜坡模型的一阶导数和二阶导数如下所示

2.噪声对边缘模型的影响

结论：找边缘之前去噪 很重要

3.边缘检测的基本步骤

边缘检测基本步骤：

（1）降噪，可以用【高斯滤波器】【均值滤波器】【中值滤波器】等算子对图像进行平滑处理

（2）边缘点的检测

（3）边缘定位

边缘检测主要方法：

（1）基于梯度算子的，如Prewitter,Sobel

（2）LoG算子检测【高斯拉普拉斯】，又称为Marr-Hildreth检测器

（3）Canny算子检测

二 边缘检测-基于梯度算子

1.梯度定义

2.梯度算子的说明

什么是梯度算子？

答：用于计算梯度偏导数的滤波器模板，或者叫差分算子、边缘算子、边缘检测子

常见的梯度算子如下所示

3.举例

4.阈值处理

为了减少无关的边缘，对检测结果进行阈值处理

原理：对梯度图像进行阈值处理，降低噪声的干扰

三 边缘检测-基于LoG算子

1.理论基础

（1）灰度变化与图像尺寸无关，因此可以使用不同尺寸的算子（而不仅仅是小算子如3，5，7），而取决于数值范围

（2）灰度的突然变化会在一阶导数中引起波峰或波谷，在二阶导数中等效地引起零交叉 

因此，算子应具备如下特定：

（1）能计算图像中任一个位置的一阶和二阶微分的算子

（2）它的尺寸可以被调整，以便在任何期望的尺寸上起作用，大的算子可以检测模糊边缘，小的算子可以检测精细细节。

2.LoG算子介绍

一句话总结：先对高斯函数求二阶导，再与原图进行卷积

3.LoG算子的检测步骤

LoG算子检测步骤 ：

（1）用一个n*n的高斯低通滤波器对输入图像滤波

（2）计算由第一步得到的图像的拉普拉斯

（3）找到拉普拉斯结果中的零交叉点（目的）

问：高斯滤波器大小如何确定？

答：经验法则，一个n*n的LoG滤波器，n 应是大于或等于6 sigma的最小奇整数。 举例：方差为2 的高斯核，则n = 6*2+1 = 13

问：如何找到零交叉点？

答：用一个3*3的邻域，作用域图像中的任意像素位置，存在零交叉点意味着至少 有一个相对的领域的值相反。测试四种情况（上/下，左/右，2个对角），如果g(x,y) 的值与阈值比较，则需相对邻域数值差的绝对值超过这个阈值，则称之为零交叉像素。

三 边缘检测-基于Canny算子

1.Canny算子介绍

Canny算子的目标

（1）低错误率，所有的边缘点都被找到

（2）边缘点被很好的定位

（3）单一的边缘点响应（真实边缘周围只返回一个点）

问：如何满足如上三个原则？

答：对最佳台阶边缘检测器的一个较好近似是高斯一阶导数，这个结论高斯证明过 我们就不研究了，拿来用就行~

2.Canny算子的数学推到过程

（1）首先用一个高斯函数平滑图像，计算结果的幅度，然后使用梯度幅度和方向来 估计每一点处的方向和边缘强度

（2）由于是用梯度算子，所以边缘会比较宽（之前讨论过），因此下一步是要 用细化边缘，方法是【非最大值抑制】，该方法的本质是指边缘法线的许多离散方向（由于边缘方向是很多离散的值，因此我们需要限定4个方向：水平、垂直、+45、-45）

令d1,d2,d3,d4表示上述4个基本边缘方向：水平、-45、垂直、+45

• 寻找最接近a(x,y)的方向dk
• 如果M(x,y)的值至少小于沿dk的两个邻居之一，则令g(x,y)=0,否则 g(x,y)=M(x,y)。 g(x,y)是抑制后的梯度图像

（3）由于g(x,y)中存在伪边缘点，因此需要对其进行阈值处理，Canny使用两个 阈值，TL:TH = 1:2 或1：3

（4）根据强弱边缘生成连通的边缘

• gNH的所有强像素均被标记为边缘像素
• 在gNH中定位下一个未被访问的边缘像素P
• 在gNL中将所有的弱像素标记为有效边缘像素，用8连通性的方法连接到P
• 如果gNH中的所有非零像素都被访问过，则跳到5，否则返回1
• 将gNL中未标记为有效边缘像素的所有像素置零
• 将gNL中的非0 像素附加到gNH，得到最终的Canny结果

人话：就是遍历强边缘中的所有非零像素，对于每一个非零像素，找弱边缘中与其连通的像素，标记为边缘，否则置为0 ，然后将修改过的弱边缘附加到强边缘图中即可。

3.Canny算子过程总结

（1）用高斯滤波器平滑输入图像

（2）计算梯度幅值图像和角度图像

（3）对幅度图像应用非最大抑制

（4）用双阈值处理和连接分析来检测并连接边缘

4.Canny算子举例

这篇有点长了，后面还有边缘连接，再开一篇吧