《滤波和边缘检测》PPT课件

《《滤波和边缘检测》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、OPENCV入门学习滤波与边缘检测学习动机想深入了解图像处理，源于一天晚上，用手机拍到了一张含有大量噪点的电视塔照片。想通过学习并运用图像处理相关知识，将图片中的噪点去除。照片中有大量的噪点噪声对人的影响可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。而图像中各种妨碍人们对其信息接受的因素即可称为图像噪声。常见的图像噪声有：高斯噪声，椒盐噪声，瑞利噪声，伽马噪声，指数分布噪声和均匀分布噪声等。所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。一个高斯随机变量z的PDF可表示为：其中z代表灰度，u是z的均值，σ是z的标

2、准差。高斯噪声的灰度值多集中在均值附近。PDF=概率分布函数σ读sigma椒盐噪声是指两种噪声，一种是盐噪声（saltnoise），另一种是胡椒噪声（peppernoise）。盐=白色，椒=黑色。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈现在图像上就是黑白杂点。常见的去噪方法有：方框滤波，均值滤波，高斯滤波，中值滤波和双边滤波。我们主要介绍一下高斯滤波和中值滤波，并分别用这两种方法对含有高斯噪声和椒盐噪声的图像进行处理。原图高斯噪声高斯滤波高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高

3、斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。3×3高斯核椒盐噪声中值滤波中值滤波（Medianfilter）是一种典型的非线性滤波技术，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节。对照片进行高斯滤波和中值滤波后发现，效果都不是太理想，可能是没有弄清楚噪点的噪声类型，没有使用正确的处理方法来进行图像处理。图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区

4、域内急剧变化到另一个灰度相差较大的灰度值。边缘检测常用的方法有：Canny算子,Sobel算子,Laplace算子以及Scharr滤波器等。这里主要介绍一下Canny算子。Canny边缘检测算子是JohnF.Canny于1986年开发出来的一个多级边缘检测算法，被很多人推崇为当今最优的边缘检测的算法。边缘检测的一般步骤包括：1）滤波：边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。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。增强算法可以将图像灰度点邻域强度值

5、有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。3）检测：经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是我们要找的边缘点，所以应该采用某种方法来对这些点进行取舍。实际工程中，常用的方法是通过阈值化方法来检测。Canny边缘检测算法可以分为以下5个步骤：1.应用高斯滤波来平滑图像（目的是去除噪声）2.找寻图像的强度梯度（由Sobel算子来获得）3.应用非最大抑制技术来消除边误检4.应用双阈值的方法来决定可能的边界5.利用滞后技术来跟踪边界下面介绍一下如何计算图像的强度梯度：Sobel算子：注：可以

6、把图像看成二维离散函数，图像梯度其实就是这个二维离散函数的求导。对于数字图像，可以利用差分方程对X和Y方向上的二阶偏导数进行近似。上式三个矩阵分别为该算子的x向卷积模板、y向卷积模板以及待处理点的邻域点标记矩阵，据此可用数学公式表达其每个点的梯度幅值为：在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点。完成非极大值抑制后，会得到一个二值图像，这样一个检测结果还是包含了很多由噪声及其他原因造成的假边缘。因此还需要进一步的处理。非极大值抑制原

7、理最后一步，Canny使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值):Ⅰ.如果某一像素位置的幅值超过高阈值,该像素被保留为边缘像素。Ⅱ.如果某一像素位置的幅值小于低阈值,该像素被排除。Ⅲ.如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于高阈值的像素时被保留。（把不闭合的边缘链接成轮廓）效果还是不错的！！！谢谢观赏MakePresentationmuchmorefun@WPS官方微博@kingsoftwps