一、边缘提取基本概念
(1)边缘的定义:图像中亮度明显而急剧变化的点。
(2)研究边缘的意义:边缘能够表示图像中的语义与形状信息;相对于像素表示,边缘显得更加紧凑。
二、边缘的种类
(1)表面法向不连续:2个面的交界处,例如一个面的法线朝上,一个面的法线朝外。
(2)深度不连续:在实际场景中不存在的边,例如一个瓶子实际上是圆的,但在拍照显示到图像上会产生竖直的边。
(3)表面颜色不连续:该物体本身颜色有较大的差异。
(4)光照不连续:生成图像时物体存在遮挡或阴影。
三、边缘检测
(1)原理:在处理图像时,沿水平扫描线检查线上的像素点,根据像素点做出灰度函数。如图,灰度函数发生明显变化的像素点,即为边缘像素点。由于此时灰度函数值发生明显变化,对应的导数也达到了极值点。因此,可以通过求导数的极值点来判断像素点是否为边缘像素点。
(2)图像求导:图像求导公式为,即令偏导数的
值取1。通过观察可知,该导数等于该像素点右边的像素值减去原图像的像素值,该操作可以通过卷积实现。如图,通过一个值为-1,1的卷积核即可实现该操作。同理,对y求偏导就表示为原图像下边的像素值减去原图像的像素值。对x求导得到的是y方向上的边,对y求导得到的是x方向上的边。
(3)图像梯度:分别对图像x,y方向上的像素点进行求导,2个导数构成的向量即为图像梯度。图像梯度方向垂直于图像边缘,指向灰度变换最快的方向。梯度的模值等于,该值反映了该点是边缘可能性,模值越大,是边缘的可能性越大。通常情况下,用梯度的模值表达边缘信息。
四、噪声的影响
当灰度值出现如下情况时,表示该图像出现噪声。
如果对该灰度值求导,会出现如下结果。此时,无法通过导数梯度的最大值找到边缘。
(1)去除噪声方法
先利用高斯卷积核对该图像做平滑操作,在对卷积后的结果进行求导,即可找到梯度的最大值,进而找到图像边缘。但是,先卷积再求导的计算量较大,因此,可以先对高斯卷积核进行求导,再对高斯一阶偏导卷积核与原图像再做一次卷积。
(2)高斯一阶偏导卷积核的方差对边缘提取的影响
方差由小变大,高斯一阶偏导卷积核对图像边缘粗犷信息的提取能力越强。