首页 理论教育边缘点检测算子的应用的介绍

边缘点检测算子的应用的介绍

【摘要】:Canny的分析是针对一维边缘中的阶跃型边缘,Canny推导出的最优边缘检测器的形状与高斯函数的一阶导数类似,利用二维高斯函数的对称性和可分解性,可以很容易计算高斯函数在任意方向上的方向导数与图像的卷积。因此,在实际运用中可以选取高斯函数的一阶导数作为阶跃边缘的次最优检验算子。以上为Canny二维最优阶跃边缘检测算子的数学推导。

基于形状的检测算子一般都是将边缘点作为特征点,从而进行特征描述的。Canny[155]提出了评价边缘检测算法性能优良的三个指标:

1)高的信噪比

2)精确的定位性能;

3)对单一边缘响应是唯一的。

Canny算子首次将上述判据用数学的形式表达出来,然后采用最优化数值方法,得到对应给定边缘模型的最佳边缘检测模板。对于二维图像,需要使用若干方向的模板分别对图像进行卷积处理,再取最可能的边缘方向。Canny的分析是针对一维边缘中的阶跃型边缘,Canny推导出的最优边缘检测器的形状与高斯函数的一阶导数类似,利用二维高斯函数的对称性和可分解性,可以很容易计算高斯函数在任意方向上的方向导数与图像的卷积。因此,在实际运用中可以选取高斯函数的一阶导数作为阶跃边缘的次最优检验算子。

设图像f (xy),二维高斯函数如式(2-2)所示,由卷积求导性质可知,Gf (xy)的梯度

∇[Gf (xy)]=∇Gf (xy) (4-14)梯度的模值,即Gf (xy)的最大方向导数为

以其作为边界强度。

梯度的单位方向矢量

式中

978-7-111-38182-2-Chapter04-19.jpgα给出了边界的法线方向。

以上为Canny二维最优阶跃边缘检测算子的数学推导。在实际应用中,可以将原始模板截断到有限尺寸N,为了提高运算速度,可以将∇G的二维卷积模板分解为两个一维卷积模板。

根据Canny边缘的提取原则。当一个像素满足以下三个条件时,则被认为是图像的边缘点:

1)该点的边缘强度大于沿该点梯度方向(这里指正反向)上的两个相邻像素点的边缘强度——主要作用是准确定位并控制边缘宽度为一个像素点。

2)与该点梯度方向上相邻两点的梯度方向之差小于45°——给出光滑性约束,克服随机因素的影响。

3)以该点为中心的3×3邻域中的边缘强度极大值小于某个阈值——保持边缘强度相对一致,去除噪声产生的伪边缘。