|
step3:非极大值抑制
仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。（non-maxima suppression,NMS）
解决方法：利用梯度的方向。
图2非极大值抑制
四个扇区的标号为0到3，对应3*3邻域的四种可能组合。
在每一点上，邻域的中心象素M与沿着梯度线的两个象素相比。如果M的梯度值不比沿梯度线的两个相邻象素梯度值大，则令M=0。
即：  step4:阈值化
减少假边缘段数量的典型方法是对N[i，j]使用一个阈值。将低于阈值的所有值赋零值。但问题是如何选取阈值？
解决方法：双阈值算法。双阈值算法对非极大值抑制图象作用两个阈值τ1和τ2，且2τ1≈τ2，从而可以得到两个阈值边缘图象N1［i,j］和N2［i，j］。由于N2［i，j］使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。双阈值法要在N2［i，j］中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在N1［i,j］的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在N1［i,j］中收集边缘，直到将N2［i,j］连接起来为止。
4 边缘算子应满足的准则
若满足此准则，就能保证单边缘只有一个响应。
对一个算法的性能评价可分为两个阶段进行：计算假边缘与丢失边缘的数目；测量用于估计位置和方向的误差(或误差分布)。边缘检测算法的优劣也可用品质因数(Figure of Merit)来描述。Pratt品质因数是其中一种，它着重考虑了丢失了有效的边缘、边缘定位误差和将噪声判断为边缘等三种误差。
5 结束语
边缘检测在图象分割、模式识别、机器视觉等中都有重要作用，人们已研究出很多种边缘检测算法，而哈夫变换和canny边缘算子等是最经典的算法，人们已在这些经典算法基础上提出一些新的改进算法。
参考文献
[1]贾云德．机器视觉［Ｍ］．北京：科学出版社，2000
[2]章毓晋．图象处理和分析［Ｍ］．北京：清华大学出版社，1999
[3]郎锐．数字图象处理学．北京：希望电子出版社，2002
[4]王娜，李霞．一种新的改进Canny边缘检测算法．深圳大学学报，2005，4（2），149-152
边缘提取以及边缘增强是不少图像处理软件都具有的基本功能，它的增强效果很明显，在用于
识别的应用中，图像边缘也是非常重要的特征之一。图像边缘保留了原始图像中相当重要的部分信息，
而又使得总的数据量减小了很多，这正符合特征提取的要求。在以后要谈到的霍夫变换(检测图像中的几
上一篇:微软靠卖软件赚钱，Google OS靠什么赚钱
下一篇:05年的经典语录之计算机科学
|
精品推荐
