【图像处理】图像边缘检测
最近在学数字图像处理，发现原来学习数学还是很有用的，像很多人工智能的东西很多都用到了图像处理，数字图像处理设计的范围太广，我也是刚开始学习，这里把自己学到的一点一滴记录下来，以便以后查看翻阅
这里把关于图像边缘识别的一些算法演示一下
图像边缘识别的算法有很多，这里列举出下面几种算法
Robert算子，Sobel算子，Laplace算子，右下边缘抽出算法，prewitt算子，Robinson算子，Kirsch算子，Smoothed算子
关于算法说明在代码中有注释，这里就不啰嗦了，这里用到了之前的LockBitmap类，用于提高Bitmap的访问速度，类的定义在这里
http://www.cnblogs.com/bomo/archive/2013/02/26/2934055.html
原图为
1、Robert算子
//Roberts算子 // gx = f(i,j) - f(i+1,j) // gy = f(i+1,j) - f(i,j+1) // g(i,j) = abs(gx) + abs(gy) private Bitmap Roberts(Bitmap bmp) { Bitmap newbmp = new Bitmap(bmp.Width, bmp.Height); LockBitmap lbmp = new LockBitmap(bmp); LockBitmap newlbmp = new LockBitmap(newbmp); lbmp.LockBits(); newlbmp.LockBits(); for (int i = 0; i < bmp.Width - 1; i++) { for (int j = 0; j < bmp.Height - 1; j++) { Color c1 = lbmp.GetPixel(i, j); Color c2 = lbmp.GetPixel(i + 1, j); Color c3 = lbmp.GetPixel(i, j + 1); Color c4 = lbmp.GetPixel(i + 1, j + 1); int r = Math.Abs(c1.R - c4.R) + Math.Abs(c2.R - c3.R); int g = Math.Abs(c1.G - c4.G) + Math.Abs(c2.G - c3.G); int b = Math.Abs(c1.B - c4.B) + Math.Abs(c2.B - c3.B); if (r > 255) r = 255; if (g > 255) g = 255; if (b > 255) b = 255; newlbmp.SetPixel(i, j, Color.FromArgb(r, g, b)); } } lbmp.UnlockBits(); newlbmp.UnlockBits(); return newbmp; }
2、Sobel算子
//Sobel算子 // gx = f(i-1,j-1) + 2f(i-1,j) + f(i-1,j+1) - f(i+1,j-1) - 2f(i+1,j) - f(i+1,j+1) // gy = f(i-1,j-1) + 2f(i,j-1) + f(i+1,j-1) - f(i-1,j+1) - 2f(i,j+1) - f(i+1,j+1) // g(i,j) = gx + gy private Bitmap Sobel(Bitmap bmp) { Bitmap newbmp = new Bitmap(bmp.Width, bmp.Height); LockBitmap lbmp = new LockBitmap(bmp); LockBitmap newlbmp = new LockBitmap(newbmp); lbmp.LockBits(); newlbmp.LockBits(); for (int i = 1; i < bmp.Width - 1; i++) { for (int j = 1; j < bmp.Height - 1; j++) { Color c1 = lbmp.GetPixel(i - 1, j - 1); Color c2 = lbmp.GetPixel(i, j - 1); Color c3 = lbmp.GetPixel(i + 1, j - 1); Color c4 = lbmp.GetPixel(i - 1, j); Color c6 = lbmp.GetPixel(i + 1, j); Color c7 = lbmp.GetPixel(i - 1, j + 1); Color c8 = lbmp.GetPixel(i, j + 1); Color c9 = lbmp.GetPixel(i + 1, j + 1); int r1 = c1.R + 2 * c4.R + c7.R - c3.R - 2 * c6.R - c9.R; int r2 = c1.R + 2 * c2.R + c3.R - c7.R - 2 * c8.R - c9.R; int g1 = c1.G + 2 * c4.G + c7.G - c3.G - 2 * c6.G - c9.G; int g2 = c1.G + 2 * c2.G + c3.G - c7.G - 2 * c8.G - c9.G; int b1 = c1.B + 2 * c4.B + c7.B - c3.B - 2 * c6.B - c9.B; int b2 = c1.B + 2 * c2.B + c3.B - c7.B - 2 * c8.B - c9.B; int r = Math.Abs(r1) + Math.Abs(r2); int g = Math.Abs(g1) + Math.Abs(g2); int b = Math.Abs(b1) + Math.Abs(b2); if (r > 255) r = 255; if (r < 0) r = 0; if (g > 255) g = 255; if (g < 0) g = 0; if (b > 255) b = 255; if (b < 0) b = 0; newlbmp.SetPixel(i, j, Color.FromArgb(r, g, b)); //newlbmp.SetPixel(i, j, Color.FromArgb(r, r, r)); } } lbmp.UnlockBits(); newlbmp.UnlockBits(); return newbmp; }
3、Laplace算子
//拉普拉斯算子（四邻域） // g(i,j) = abs(4f(i,j) - f(i,j-1) - f(i,j+1) - f(i-1,j) - f(i+1,j)) private Bitmap Laplace4(Bitmap bmp) { Bitmap newbmp = new Bitmap(bmp.Width, bmp.Height); LockBitmap lbmp = new LockBitmap(bmp); LockBitmap newlbmp = new LockBitmap(newbmp); lbmp.LockBits(); newlbmp.LockBits(); for (int i = 1; i < bmp.Width - 1; i++) { for (int j = 1; j < bmp.Height - 1; j++) { Color c2 = lbmp.GetPixel(i, j - 1); Color c4 = lbmp.GetPixel(i - 1, j); Color c5 = lbmp.GetPixel(i, j); Color c6 = lbmp.GetPixel(i + 1, j); Color c8 = lbmp.GetPixel(i, j + 1); int r = Math.Abs(4 * c5.R - c2.R - c4.R - c6.R - c8.R); int g = Math.Abs(4 * c5.G - c2.G - c4.G - c6.G - c8.G); int b = Math.Abs(4 * c5.B - c2.B - c4.B - c6.B - c8.B); if (r > 255) r = 255; if (r < 0) r = 0; if (g > 255) g = 255; if (g < 0) g = 0; if (b > 255) b = 255; if (b < 0) b = 0; newlbmp.SetPixel(i, j, Color.FromArgb(r, g, b)); } } lbmp.UnlockBits(); newlbmp.UnlockBits(); return newbmp; } private Bitmap Laplace8(Bitmap bmp) { Bitmap newbmp = new Bitmap(bmp.Width, bmp.Height); LockBitmap lbmp = new LockBitmap(bmp); LockBitmap newlbmp = new LockBitmap(newbmp); lbmp.LockBits(); newlbmp.LockBits(); for (int i = 1; i < bmp.Width - 1; i++) { for (int j = 1; j < bmp.Height - 1; j++) { Color c1 = lbmp.GetPixel(i - 1, j - 1); Color c2 = lbmp.GetPixel(i, j - 1); Color c3 = lbmp.GetPixel(i + 1, j - 1); Color c4 = lbmp.GetPixel(i - 1, j); Color c5 = lbmp.GetPixel(i, j); Color c6 = lbmp.GetPixel(i + 1, j); Color c7 = lbmp.GetPixel(i - 1, j + 1); Color c8 = lbmp.GetPixel(i, j + 1); Color c9 = lbmp.GetPixel(i + 1, j + 1); int r = Math.Abs(8 * c5.R - c1.R - c2.R - c3.R - c4.R - c6.R - c7.R - c8.R - c9.R); int g = Math.Abs(8 * c5.G - c1.G - c2.G - c3.G - c4.G - c6.G - c7.G - c8.G - c9.G); int b = Math.Abs(8 * c5.B - c1.B - c2.B - c3.B - c4.B - c6.B - c7.B - c8.B - c9.B); if (r > 255) r = 255; if (r < 0) r = 0; if (g > 255) g = 255; if (g < 0) g = 0; if (b > 255) b = 255; if (b < 0) b = 0; newlbmp.SetPixel(i, j, Color.FromArgb(r, g, b)); } } lbmp.UnlockBits(); newlbmp.UnlockBits(); return newbmp; }
4、右下边缘抽出
//右下边缘抽出 // g(i,j) = abs(2f(i+1,j) + 2f(i,j+1) - 2f(i,j-1) - 2f(i-1,j)); private Bitmap RightBottomEdge(Bitmap bmp) { Bitmap newbmp = new Bitmap(bmp.Width, bmp.Height); LockBitmap lbmp = new LockBitmap(bmp); LockBitmap newlbmp = new LockBitmap(newbmp); lbmp.LockBits(); newlbmp.LockBits(); for (int i = 1; i < bmp.Width - 1; i++) { for (int j = 1; j < bmp.Height - 1; j++) { Color c2 = lbmp.GetPixel(i, j - 1); Color c4 = lbmp.GetPixel(i - 1, j); Color c6 = lbmp.GetPixel(i + 1, j); Color c8 = lbmp.GetPixel(i, j + 1); int r = 2 * Math.Abs(c6.R + c8.R - c2.R - c4.R); int g = 2 * Math.Abs(c6.G + c8.G - c2.G - c4.G); int b = 2 * Math.Abs(c6.B + c8.B - c2.B - c4.B); if (r > 255) r = 255; if (r < 0) r = 0; if (g > 255) g = 255; if (g < 0) g = 0; if (b > 255) b = 255; if (b < 0) b = 0; newlbmp.SetPixel(i, j, Color.FromArgb(r, g, b)); } } lbmp.UnlockBits(); newlbmp.UnlockBits(); return newbmp; }
5、Prewitt边缘探测样板算子
//Prewitt边缘检测样板算子（方向为右下） // g(i,j) = abs(f(i-1,j-1) + f(i,j-1) + f(i+1,j-1) + f(i-1,j) + f(i-1,j+1) - f(i+1,j) - f(i,j+1) - f(i+1,j+1) - 2f(i,j)) // // 右下 右上 // 1 1 1 1 -1 -1 // 1 -2 -1 1 -2 -1 // 1 -1 -1 1 1 1 // // 上 下 // -1 -1 -1 1 1 1 // 1 -2 1 1 -2 1 // 1 1 1 -1 -1 -1 private Bitmap Prewitt(Bitmap bmp) { Bitmap newbmp = new Bitmap(bmp.Width, bmp.Height); LockBitmap lbmp = new LockBitmap(bmp); LockBitmap newlbmp = new LockBitmap(newbmp); lbmp.LockBits(); newlbmp.LockBits(); for (int i = 1; i < bmp.Width - 1; i++) { for (int j = 1; j < bmp.Height - 1; j++) { Color c1 = lbmp.GetPixel(i - 1, j - 1); Color c2 = lbmp.GetPixel(i, j - 1); Color c3 = lbmp.GetPixel(i + 1, j - 1); Color c4 = lbmp.GetPixel(i - 1, j); Color c5 = lbmp.GetPixel(i, j); Color c6 = lbmp.GetPixel(i + 1, j); Color c7 = lbmp.GetPixel(i - 1, j + 1); Color c8 = lbmp.GetPixel(i, j + 1); Color c9 = lbmp.GetPixel(i + 1, j + 1); int r = Math.Abs(c1.R + c2.R + c3.R + c4.R + c7.R - c6.R - c8.R - c9.R - 2 * c5.R); int g = Math.Abs(c1.G + c2.G + c3.G + c4.G + c7.G - c6.G - c8.G - c9.G - 2 * c5.R); int b = Math.Abs(c1.B + c2.B + c3.B + c4.B + c7.B - c6.B - c8.B - c9.B - 2 * c5.R); if (r > 255) r = 255; if (r < 0) r = 0; if (g > 255) g = 255; if (g < 0) g = 0; if (b > 255) b = 255; if (b < 0) b = 0; newlbmp.SetPixel(i, j, Color.FromArgb(r, g, b)); } } lbmp.UnlockBits(); newlbmp.UnlockBits(); return newbmp; }
6、Robinson算子
//Robinson算子（这里使用第一个） //Robinson算子有八个样板，这里列出四个，剩余四个为下面四个的取反 // // 1 2 1 0 1 2 // 0 0 0 -1 0 1 // -1 -2 -1 -2 -1 0 // // -1 0 1 -2 -1 0 // -2 0 2 -1 0 1 // -1 0 1 0 -1 2 private Bitmap Robinson(Bitmap bmp) { Bitmap newbmp = new Bitmap(bmp.Width, bmp.Height); LockBitmap lbmp = new LockBitmap(bmp); LockBitmap newlbmp = new LockBitmap(newbmp); lbmp.LockBits(); newlbmp.LockBits(); for (int i = 1; i < bmp.Width - 1; i++) { for (int j = 1; j < bmp.Height - 1; j++) { Color c1 = lbmp.GetPixel(i - 1, j - 1); Color c2 = lbmp.GetPixel(i, j - 1); Color c3 = lbmp.GetPixel(i + 1, j - 1); Color c7 = lbmp.GetPixel(i - 1, j + 1); Color c8 = lbmp.GetPixel(i, j + 1); Color c9 = lbmp.GetPixel(i + 1, j + 1); int r = Math.Abs(c1.R + 2 * c2.R + c3.R - c7.R - 2 * c8.R - c9.R); int g = Math.Abs(c1.G + 2 * c2.G + c3.G - c7.G - 2 * c8.G - c9.G); int b = Math.Abs(c1.B + 2 * c2.B + c3.B - c7.B - 2 * c8.B - c9.B); if (r > 255) r = 255; if (r < 0) r = 0; if (g > 255) g = 255; if (g < 0) g = 0; if (b > 255) b = 255; if (b < 0) b = 0; newlbmp.SetPixel(i, j, Color.FromArgb(r, g, b)); } } lbmp.UnlockBits(); newlbmp.UnlockBits(); return newbmp; }
7、Kirsch算子
//Kirsch算子（这里使用第一个） //Kirsch算子有8个边缘样板，与Prewitt边缘样板类似，这里列出一个 // // 5 5 5 // -3 0 -3 // -3 -3 -3 // private Bitmap Kirsch(Bitmap bmp) { Bitmap newbmp = new Bitmap(bmp.Width, bmp.Height); LockBitmap lbmp = new LockBitmap(bmp); LockBitmap newlbmp = new LockBitmap(newbmp); lbmp.LockBits(); newlbmp.LockBits(); for (int i = 1; i < bmp.Width - 1; i++) { for (int j = 1; j < bmp.Height - 1; j++) { Color c1 = lbmp.GetPixel(i - 1, j - 1); Color c2 = lbmp.GetPixel(i, j - 1); Color c3 = lbmp.GetPixel(i + 1, j - 1); Color c4 = lbmp.GetPixel(i - 1, j); Color c6 = lbmp.GetPixel(i + 1, j); Color c7 = lbmp.GetPixel(i - 1, j + 1); Color c8 = lbmp.GetPixel(i, j + 1); Color c9 = lbmp.GetPixel(i + 1, j + 1); int r = Math.Abs(5 * (c1.R + c2.R + c3.R) - 3 * (c4.R + c6.R + c7.R + c8.R + c9.R)); int g = Math.Abs(5 * (c1.G + c2.G + c3.G) - 3 * (c4.G + c6.G + c7.G + c8.G + c9.G)); int b = Math.Abs(5 * (c1.B + c2.B + c3.B) - 3 * (c4.B + c6.B + c7.B + c8.B + c9.B)); if (r > 255) r = 255; if (r < 0) r = 0; if (g > 255) g = 255; if (g < 0) g = 0; if (b > 255) b = 255; if (b < 0) b = 0; newlbmp.SetPixel(i, j, Color.FromArgb(r, g, b)); } } lbmp.UnlockBits(); newlbmp.UnlockBits(); return newbmp; }
8、Smoothed算子
//Smoothed算子 // gx = f(i,j) - f(i+1,j) // gy = f(i+1,j) - f(i,j+1) // g(i,j) = abs(gx) + abs(gy) private Bitmap Smoothed(Bitmap bmp) { Bitmap newbmp = new Bitmap(bmp.Width, bmp.Height); LockBitmap lbmp = new LockBitmap(bmp); LockBitmap newlbmp = new LockBitmap(newbmp); lbmp.LockBits(); newlbmp.LockBits(); for (int i = 1; i < bmp.Width - 1; i++) { for (int j = 1; j < bmp.Height - 1; j++) { Color c1 = lbmp.GetPixel(i - 1, j - 1); Color c2 = lbmp.GetPixel(i, j - 1); Color c3 = lbmp.GetPixel(i + 1, j - 1); Color c4 = lbmp.GetPixel(i - 1, j); Color c6 = lbmp.GetPixel(i + 1, j); Color c7 = lbmp.GetPixel(i - 1, j + 1); Color c8 = lbmp.GetPixel(i, j + 1); Color c9 = lbmp.GetPixel(i + 1, j + 1); int r1 = c3.R + c6.R + c9.R - c1.R - c4.R - c7.R; int r2 = c1.R + c2.R + c3.R - c7.R - c8.R - c9.R; int g1 = c3.G + c6.G + c9.G - c1.G - c4.G - c7.G; int g2 = c1.G + c2.G + c3.G - c7.G - c8.G - c9.G; int b1 = c3.B + c6.B + c9.B - c1.B - c4.B - c7.B; int b2 = c1.B + c2.B + c3.B - c7.B - c8.B - c9.B; int r = Math.Abs(r1) + Math.Abs(r2); int g = Math.Abs(g1) + Math.Abs(g2); int b = Math.Abs(b1) + Math.Abs(b2); if (r > 255) r = 255; if (r < 0) r = 0; if (g > 255) g = 255; if (g < 0) g = 0; if (b > 255) b = 255; if (b < 0) b = 0; newlbmp.SetPixel(i, j, Color.FromArgb(r, g, b)); //newlbmp.SetPixel(i, j, Color.FromArgb(r, r, r)); } } lbmp.UnlockBits(); newlbmp.UnlockBits(); return newbmp; }
一点点的学习中，有的时候也会迷茫，迷茫的是自己学习了不知道自己学习了什么，这个是确实总结的原因，于是将自己的所学所想，写成博客。主要从图像处理这边开始写起。
对于一幅图像，我们怎么认识它，比如我们看到一本书的照片，我们怎么根据照片就知道这个是一本书，看到一个人的照片，怎么知道这张照片是谁。
这个我们就是根据图像中的特征来判断。而这个特征我们可以是边缘，形状，纹理，颜色等等。而对于计算机来说，我们要做的事情就是将这些特征进行数字化表述，也就是特征提取。下面面临的问题就是如何特征提取。
特征提取主要有边缘提取，特征点提取，已经边缘提取。这边我们主要说的是边缘提取。
首先所以下边缘的定义，对于我们看一个物体而言，边缘就是图像中亮度突然发生变化的地方，而对于计算机来说，也就是像素值突然变化的地方，具体情形如下图：
那我们先对一位信号而言，我们找到这个突兀的点。
而图像属于二维信号，对于二维信号，我们寻找最大值点是为亮度梯度方向上达到最大值的图像点。看下面的图
对于2维上面的梯度而言的话，梯度就是一个向量。
对于计算机处理，是离散数据怎么计算
至于为什么不按照下面的来算，是不是考虑到这样由于边缘点的突兀太大，导致计算的结果不正确，还是担心噪声的影响，不是很清楚
另外边缘是对噪声敏感 ，平均降低了噪声 ，平滑与边缘集合（边缘检测包括对图像的预处理），至于平均降低了噪声，这个可以理解，但是平均也降低了边缘，这个有什么影响呢。
下面我们就可以得到我们的Prewitt算子
Sobel算子
Roberts算子
以上是通过一阶导数极大值点求便一点
下面是通过二阶导数过零点来求解。
对于二阶导数过零点，一维信号这个可以理解，对于二维信号来说，采用拉普拉斯算子，在x，y方向上都是0，则和也是0.
根据差分，我们可以得到
则在x方向上的模板就
| 1 | -2 | 1 |
于是可以得到模板
| 0 | 1 | 0 |
| 1 | -4 | 1 |
| 0 | 1 | 0 |
便于表示采用模板
| 0 | -1 | 0 |
| -1 | 4 | -1 |
| 0 | -1 | 0 |
由于二次求导数，对噪声非常敏感，则配合滤波器同时使用，于是就产生了LoG算子
首先用Gauss函数对图像进行平滑，抑制噪声 ，然后对经过平滑的图像使用Laplacian算子 ，利用卷积的性质LoG算子等效于： Gaussian平滑 + Laplacian二阶微分 。
上面的ppt图片大部分是采用的中科院自动化所的ppt。
对于边缘检测来说，其实远不至于上面这种样子，对于像素值有突变的情况下很容易检测，但是如果边缘是渐变的，也就是亮度变化不是那么明显的时候，这个是对于采用一阶导数求边缘检测来说，设定阈值就是一件难事。我估计这也就是用LoG算子多的一个原因。
下面写一写Canny算子。
对于图像处理也是半路出家，很多地方不是很清楚明澈，先把学到的东西写写，也希望有人指点一二。
157
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
