資源描述：
《圖像邊緣提取算法的分析》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。
1、圖像邊緣提取算法的分析報告人：蘇白龍小組成員：蘇白龍孔政王星晨余婷劉海東許斌蔣晶晶李闖徐青青傅超2021/7/211概述成因：(1)法向不連續(xù)；(2)空間深度不同；(3)曲面顏色不同；(4)光照不連續(xù)。作用：(1)改良圖像質量；(2)理解和重構視覺場景；(3)分離對象；(4)識別特征；(5)其他。2021/7/212Roberts算子是一種利用局部差分算子尋找邊緣的算子，兩個模板分別為算法步驟（兩種處理方法）：(1)(2)借鑒canny的處理方法，兩個方向分別處理100-101-102021/7
2、/213抗噪性能2021/7/214性能分析利用局部差分算子尋找邊緣，邊緣定位精度較高，但容易丟失一部分邊緣，同時由于圖像沒經過平滑處理，因此不具備一直噪聲的能力。該算子對具有陡峭邊緣且噪聲低的圖像效果較好。2021/7/215Sobel算子中心差分，但對中間水平線和垂直線上的四個鄰近點賦予略高的權重。模板：算法處理處理同RobertsOperator-102-202-101121000-1-2-12021/7/216抗噪性能2021/7/217Prewitt算子也屬于中心差分類型，但沒有給最鄰
3、近點較高的權重。模板：算法處理處理同RobertsOperator-101-101-101111000-1-1-12021/7/218抗噪性能2021/7/219性能分析sobel算子和Prewitt算子都是對圖像先作加權平滑處理，然后再作微分運算，所不同的是平滑部分的權值有些差異，因此對噪聲具有一定的抑制能力，但不能完全排除檢測結果中出現的虛假邊緣。雖然這兩個算子邊緣定位效果不錯，但檢測出的邊緣容易出現多像素寬度。2021/7/2110Kirsch算子圖像中的每個位置都要經過8個模板的作用，最
4、大值被選做輸出，達到最大值的模板對應的方向就是邊緣的方向。算法步驟：2021/7/2111抗噪性能2021/7/2112Robinson算子除了模板與kirsch算子不同，其余的運算輸出與kirsch算子完全一致。注意算子的對稱性(每隔四個符號相反)，可節(jié)約計算量2021/7/2113抗噪性能2021/7/2114二階算子檢測模板算法步驟：圖像經模板作用后執(zhí)行跨零點檢測(該過程比較復雜)。參考文獻：HUERTASandMEDIONI,DetectionofIntensityChangeswith
5、SubpixelAccuracyUsingLaplacian-GaussianMasks，19860101-410102021/7/2115抗噪性能2021/7/2116性能分析采用不依賴于邊緣方向的二階微分算子，對圖像中的階躍型邊緣點定位準確，該算子對噪聲非常敏感，它使噪聲成分得到加強，這兩個特性使得該算子容易丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測邊緣，同時抗噪聲能力比較差。產生雙邊緣2021/7/2117LOG算子基本思想：先用高斯函數對圖像濾波，然后對濾波后的圖像進行拉普拉斯運算，
6、算得的值等于零的點認為是邊界點。算法步驟：(1)對圖像先進行高斯濾波，再進行Laplace算子運算；(2)保留一階導數峰值的位置記錄，然后從中尋找Laplace跨零點；(3)采用插值方法對跨零點進行估計。2021/7/2118抗噪性能2021/7/2119性能分析該算子克服了Laplician算子抗噪聲能力比較差的缺點，但是在抑制噪聲的同時也可能將原有的比較尖銳的邊緣也平滑掉了，造成尖銳邊緣無法被檢測到。原因：作為一個二階導數，拉普拉斯算子具有對噪聲無法接受的敏感性，拉普拉斯算子產生雙邊緣，最后
7、拉普拉斯不能檢測邊緣的方向2021/7/2120Canny算子基本思想：首先對圖像選擇一定的Gauss濾波器進行平滑濾波，然后采用非極值抑制技術進行處理得到最后的邊緣圖像。算法步驟：(1)用高斯濾波器平滑圖像。(2)用一階偏導的有限差分來計算梯度的幅值和方向。(3)對梯度幅值進行非極大值抑制。(4)用雙閾值算法檢測和連接邊緣。2021/7/2121抗噪性能2021/7/2122性能分析雖然是基于最優(yōu)化思想推導出的邊緣檢測算子，但實際效果并不一定最優(yōu)，原因在于理論和實際有許多不一致的地方(只離散了
8、四個方向)。該算子同樣采用高斯函數對圖像作平滑處理，因此具有較強的抑制噪聲能力，同樣該算子也會將一些高頻邊緣平滑掉，造成邊緣丟失。2021/7/21232021/7/2124
