1、班 级：通信工程08.2 答辩人：庞哥哥,指导教师：,论文题目：图像边缘检测算法的分析与实现,图像边缘检测算法的分析与实现,一、研究背景及意义,二、主要内容及工作,经典边缘检测 算法的研究,soble改进算子,各种边缘检测算子 的MATLAB实现 及分析,一、研究背景及意义,背景意义：视觉是人类最重要的感知手段，图像又是视觉的基础。而图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础，是图像识别中提取图像特征的一个重要属性。图像边缘检测技术起源于20世纪20年代，60年代后期快速发展成为一门新兴学科。图像理解和分析的第一步往往就是边缘检测。目前它已成为机器视觉研
2、究领域最活跃的课题之一，在工程应用中占有十分重要的地位。,二、主要内容及工作 经典边缘检测算子,边缘检测：边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。 边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。,二、主要内容及工作 经典边缘检测算子,1 Roberts算子,Roberts算子是一种利用局部差分算子寻找边缘的算子，对于边界陡峭且噪比较小的图像检测效果比较好，它在22邻域上计算对角导数，通过1范数衡量梯度的幅值。,roberts算子实验结果分析,优点：检测精度比较高，对水平和垂
3、直方向的边缘检测性能好于斜线方向。 缺点：易丢失一部分边缘对噪声敏感。,以下组图分别为原图和不含噪声的检测图及含有高斯噪声的检测图,2 Sobel算子,传统的Sobel图像边缘检测方法，是在图像空间利用两个方向模板与图像进行邻域卷积来完成的。这两个方向模板一个检测垂直边缘，一个检测水平边缘。,2 Sobel算子,soble算子实验结果分析,优点：产生的边缘效果较好，对噪声具有平滑作用。 缺点：存在伪边缘，定位精度不高,3 Laplacian算子,Laplacian算子：拉普拉斯算子是二阶导数的二维等效式。函数f(x,y)的拉普拉斯算子公式为：,使用差分方程对x和y方向上的 二阶偏导数近似 ，就
4、成为能用来 近似拉普拉斯算子的卷积模板：,Laplacian算子实验结果分析,优点：利用二阶导数零交叉特性检测边缘，对图像中的阶跃性边缘点定位准确 缺点：对噪声非常敏感，丢失一部分边缘的方向信息，造成一些不连续的检测边缘，不能得到边缘的方向等信息。,4 log算子,log算子：先用高斯函数对图像进行滤波，然后对滤波后的图像进行拉普拉斯运算，算得的值等于0的点认为是边界点。,log滤波器,4 log算子,Log算子虽然能够有效地检测图像的边缘，但存在两个问题：一是Log算子其会产生虚假边界，二是定位精度不高。为了能够得到最佳的检测效果，在实际应用中要充分考虑的选取、模板尺度N的确定、边缘强度和方
5、向、提取边界的精度。其中的大小很对于Log算子来说非常重要，具有控制平滑的作用。,log算子实验结果分析,该算子较之Laplacian算子，噪声抑制能力有所改善，但仍旧不满意，存在大量噪声，还会将原有的比较尖锐的边缘平滑点，无法检测尖锐边缘。,5 canny算子,基本步骤：1 用高斯滤波器平滑图像。2 再计算滤波后的梯度幅值和方向。 3对梯度幅值应用非极大值抑制 。4用双阈值算法检测和连接边缘。,canny算子,方向,图像的边缘点即为在方向上使取得局部极大值的点,canny算子实验结果分析,优点：采用高斯函数对图像进行平滑处理，因此具有较强的噪声抑制能力；同样该算子也将一些高频边缘平滑掉，造成
6、边缘丢失，采用了双阈值算法检测和连接边缘，边缘的连续性较好。,针对Sobel算子存在的一些不足，例如：数字图像边缘定位精度不高，噪声抑制力不高等，提出了改进的soble 算法。 改进的soble算法在原有水平和垂直模板的基础上新增6个方向模板以确保提高定位精度，并在此基础上确定一个最佳阈值从而实现对soble算子的改进。,二、主要内容及工作 soble改进算子,（二）、soble改进算子,为了提高抗噪能力提高对叠加噪声图像的边缘检测效果，在多方向Sobel算子的基础上设定一个阈值来与经过Sobel算子检测后的边缘值进行比较。比较满足以下两点：当该阈值小于其幅值时定义为边缘，反之取为零。如下4-
7、1所示：,现在本文给出一种阈值的选择方法：经过Sobel算子检测后的图像假设可以表示成：是原始图像的边缘部分， 是均值为0，方差为 的高斯白噪声。经过Sobel算子检测后的边缘为图像的高频分量，服从拉普拉斯分布，其概率密度函数为：基于式以上提出的信号模型，得到软门限去噪法：,假定图像大小为MXM,中值法估算得到,soble改进算子实验结果分析,没有添加高斯噪声时soble算子与soble改进算子的检测图,加入高斯噪声后soble算子与soble改进算子的检测图,加入高斯噪声后soble算子与soble改进算子的检测图,加入椒盐噪声后soble算子与soble改进算子的检测图,优点：一、Sobel改进算子较之soble，roberts等几种算子具有更强的噪声抑制能力。二、提高了检测清晰度和连续性，检测信息也比较完整。 相比原来的soble算子和其他几类算子，Sobel改进算子也较好的实现了去噪的同时有效地保留了图像的真实边缘。,缺点：一、对不含噪声的图片检测出大量噪声，效果远低于soble算子。二、对不同图像和所含不同噪声的图像处理不具有稳定的检测效果，自适应性还不足。由此可见soble改进算子不适用于不含噪声的图像检测。,谢谢！,
