蓝盟IT小贴士,来喽!
图像的边缘是图像的基本特征,边缘点是灰度级变化的像素点,灰度值的导数大或大,边缘检测是图像识别的第一步骤。 通过图像的1次微分和2次微分强调图像,本质上计算灰度的变化,边缘是灰度变化的地方。 因此,能够本质上在边缘检测中使用这些传统的1次微分运算符,例如Robert、Robert、prewitt等、2次微分运算符Laplacian等。
这些算子都可以称为边缘检测算子。 边缘检测器大幅减少数据量、去除不相关联的信息并保留图像的重要结构属性,一般边缘检测过程是原始图像
平滑图像-
锐利的影像-
边缘判定-
二值化——
边缘连接-
边缘图像
平滑滤波器:梯度计算容易受噪声的影响,因此使用滤波器平滑图像去除噪声。
锐化滤镜:为了检测边界,需要确定相邻的灰度变换并锐化回答变换的区域。
边缘判定:通过阈值或灰度变换,去除某个处理点,查找边缘点。
边缘连接:将间断边缘连接到有意义的完整边缘,同时移除假边缘。
2 .边缘检测算子
2.1梯度运算符Robert运算符使用局部差分运算符来搜索边缘,虽然边缘位置精度高但是容易丢失一些边缘,同时由于图像不平滑而不能抑制噪声。 此操作符对边缘陡峭、噪声较小的图像有效。 Sobel运算符和预位运算符都考虑了附近信息,相当于对图像实施加权平滑化处理、进行微分运算,因此噪声具有一定的抑制能力,但是不能排除检测结果中出现假边缘,容易出现多像素宽度
锐化图像的目的是通过增强灰度的对比度,使模糊的图像更锐化。 图像模糊的本质是图像接受平均运算和积分运算,微分运算可以强调图像的细节,清楚图像。 因为加是微分算子,其应用可以增强图像中灰度急剧变化的区域,减弱灰度缓慢变化的区域。