边缘表示1(讲稿).ppt

第六章

Chapter6EdgeAnalysis;边缘是不同区域的分界线，指图像局部灰度显著变化的部分．BoundaryorEdge

图像灰度的不连续可分为：

(1)阶跃不连续：图像灰度在不连续处两边有显著差异；

(2)线条不连续：图像灰度突然从一个值变化到另一个值，保持一较小行程后又回到原来的值．;轮廓是物体在场景中的完整边界．

边缘的连接构成轮廓.;边缘点：在灰度显著变化的位置上的点

边缘检测（detection）：获得边缘点

边缘跟踪（tracking）：串行边缘搜索

边缘连接（linking）：从无序到有序

Snake图像分割;两种常见的边缘一阶导数和二阶导数示意图;基本思想：

函数导数反映图像灰度变化的显著程度．

一阶导数的局部极大值，二阶导数的过零点

一般过程：

去噪增强检测定位;6.2.1基于一阶导数的边缘检测;6.2.1基于一阶导数的边缘检测;差分：;(1)Roberts交叉算子;均值差分：一定邻域内灰度平均值之差;(2)Sobel算子;Canny边缘检测器;步3.计算梯度幅值与方向角:;步4.非极大值抑制（NMS）：

去掉幅值局部变化非极大的点．

*将梯度角离散为圆周的四个扇区之一，以便用3×3的窗口

作抑制运算;步5.阈值化

取高低两个阈值作用于幅值图N[i,j]，得到两个边缘图：高阈值和低阈值边缘图。连接高阈值边缘图，出现断点时，在低阈值边缘图中的8邻点域搜寻边缘点。

Why?

*阈值太低?假边缘;

*阈值太高?部分轮廊丢失.

*选用两个阈值:更有效的阈值方案．;7X7高斯滤波模板;6.2.2基于二阶导数的边缘检测;拉普拉斯（Laplacian）算子;表示为卷积模板：;LoG边缘检测算法;LoG运算：;5X5拉普拉斯高斯模板;LoG边缘检测结果;6.2.3基于函数逼近的边缘检测;小面模型（facetmodel）;小面模型（facetmodel）;小面模型边缘检测器;获得子像素级的边缘估计精度

计算方法：

（1）线性内插

（2）矩保持

（3）利用边缘切线方向信息（形状已知）

（4）利用边缘法线方向信息（统计方法）;假设梯度幅值沿梯度方向呈正态分布