图像的边缘检测:
边缘检测技术对于处理数字图像非常重要,因为边缘是所要提取目标和背景的分界线,提取出边缘才能将目标和背景区分开来。在图像中,边界表明一个特征区域的终结和另一个特征区域的开始,边界所分开区域的内部特征或属性是一致的,而不同的区域内部的特征或属性是不同的,边缘检测正是利用物体和背景在某种图像特性上的差异来实现的,这些差异包括灰度,颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。
边缘检测基本思想是先检测图像中的边缘点,再按照某种策略将边缘点连接成轮廓,从而构成分割区域。由于边缘是所要提取目标和背景的分界线,提取出边缘才能将目标和背景区分开,因此边缘检测对于数字图像处理十分重要。
边缘大致可以分为两种:(一)阶跃状边缘:边缘两边像素的灰度值明显不同。
(二)屋顶状边缘:边缘处于灰度值有小到大再到小变化的转折点处。
一阶微分算子检测图片边缘:一阶微分算子一般借助空域微分算子通过卷集完成,但实际上数字图像中求导是利用差分近似微分来进行的。 梯度对应一阶导数,梯度算子是一阶导数算子。对一个连续函数f(x,y),它在位置(x,y)梯度可表示为一个矢量。对于数字图像,导数可以用差分来近似,在实际中常用小区域模板卷积来近似计算。对Gx和Gy各用一个模板,所以需要两个模板组合起来构成一个梯度算子。根据模板的大小,其中元素(系数)值的不同,可以提出很多的模板,构成许多的检测算子。
二阶微分算子检测图片边缘:Laplacian算子:这是二阶微分算子。其具有各向同性,