图像分割算法的研究与实现学士学位毕业论文(5)

这种方法称为边缘检测局部算子法。边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，也包括方向的确定。常用的边缘检测方法的基础是微分运算，边缘点对应于一阶微分幅度大的点，或对应于二阶微分的过零点。

传统的边缘检测算法通过梯度算子来实现，在求边缘的梯度时，需要对每个象素位置计算。经典的梯度算子模板有Prewitt模板、Canny模板、Sobel模板、Log模板等[10]。

边缘检测的几种经典算法： （1）Canny 算子

Canny 边缘检测利用高斯函数的一阶微分，在噪声抑制和边缘检测之间寻求较好的平衡，其表达式近似于高斯函数的一阶导数。Canny 边缘检测算子对受加性噪声影响的边缘检测是最优的。

（2）Prewitt 和Sobel 算子

Prewitt从加大边缘检测算子的模板大小出发，由2×2 扩大到3×3 来计算差分算子，采用Prewitt算子不仅能检测边缘点，而且能抑制噪声的影响。Sobel 在Prewitt 算子的基础上，对4-邻域采用带权的方法计算差分，该算子不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。

（3）Log算子

Log算子也就是Laplacian-Gauss算子，它把Gauss平滑滤波器和Laplacian锐化滤波器结合了起来，先平滑掉噪声，再进行边缘检测。

边缘检测算法有如下四个步骤:

1) 滤波: 边缘检测算法主要是基于图像强度的一阶和二阶导数, 但导数的计算对噪声很敏感, 因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出, 大多数滤波器在降低噪声的同时也导致了边缘强度的损失, 因此,增强边缘和降低噪声之间需要折衷。

2) 增强: 增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。

3) 检测: 在图像中有许多点的梯度幅值比较大, 而这些点在特定的应用领域中并不都是边缘, 所以应该用某种方法来确定哪些点是边缘点。

最简单的边缘检测判据是梯度幅值阈值判据。

4) 定位: 如果某一应用场合要求确定边缘位置, 则边缘的位置可在子像素分辨率上来估计,边缘的方位也可以被估计出来。

各个边缘检测算子比较:

Sobel 算子和Prewitt 算子: 都是对图像先作加权平滑处理, 然后再作微分运算, 所不同的是平滑部分的权值有些差异, 因此对噪声具有一定的抑制能力, 但不能完全排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错, 但检测出的边缘容易出现多像素宽度。

Log 算子: 该算子克服了拉普拉斯算子抗噪声能力比较差的缺点, 但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了, 造成这些尖锐边缘无法被检测到。

Canny 算子: 该算子同样采用高斯函数对图像做平滑处理, 因此具有较强的抑制噪声能力, 同样该算子也会将一些高频边缘平滑掉,造成边缘丢失。

综上所述, 前面所介绍的各个算子各有各的特点和应用领域, 每个算子只能反映出边缘算法性能的一个方面, 在许多情况下需要综合考虑[12]。

该类方法对边缘灰度值过渡比较尖锐且噪声较小等不太复杂的图像,大都可以取得较好的效果。但对于边缘复杂、采光不均匀的图像来说,则效果不太理想,主要表现在边缘模糊、弱边缘丢失和整体边缘不连续等方面。在噪声较大的情况下常用的边缘检测算法,如Marr 算子,递归滤波器和Canny 算子等都是先对图像进行适当的平滑,抑制噪声,然后求导数,或者先对图像进行局部拟合,然后再用拟合的光滑函数的导数来代替直接的数值导数。Canny 算子较为简单,而且考虑了梯度方向,效果比较好[13]。

要做好边缘检测, 首先要清楚待检测的图像特性变化的形式从而使用适应这种变化的检测方法。其次要知道特性变化总是发生在一定的空间范围内,不能期望用一种检测算子就能最佳检测出发生在图像上的所有特性变化。当需要提取多空间范围内的变化特性时,要考虑多算子的综合应用。第三, 要考虑噪声的影响其中一个办法就是滤除噪声, 这有一定的局限性再就是考虑信号加噪声的条件检测利用统计信号分析或通过对图像区域的建模而进一步使检测参数化。第四,可以考虑各种方法的组合, 如先找出边缘然后在其局部利用函数近似通过内插等获得高精度定位。第五,在正确检

测边缘的基础上要考虑精确定位的问题2.5基于区域的分割方法

[14]

。

基于区域的图像分割是根据图像灰度、纹理、颜色和图像像素统计的均匀性等图像的空间局部特征,把图像中的像素划归到各个物体或区域中,进而将图像分割成若干个不同区域的一种分割方法。基于区域的分割方法主要有区域生长法、分裂合并法。

区域生长法、分裂合并法：

区域生长法的基本思想是根据一定的相似性准则,将图像中满足相似性准则的像素或子区域合成更大的区域;分裂合并法是从整个图像出发,根据图像和各区域的不均匀性,把图像或区域分割成新的子区域,根据毗邻区域的均匀性,把毗邻的子区域合并成新的较大的区域。这两种方法通常相结合,以便把相似的子区域合并成尽可能大的区域。区域生长的固有缺点是分割效果依赖于种子的选择及生长顺序,区域分裂技术的缺点是可能破坏边界,所以它们常常与其他方法相结合,以期取得更好的分割效果[15]。 …… 此处隐藏：615字，全部文档内容请下载后查看。喜欢就下载吧 ……