【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.
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。