第一节图像的边缘图像分割得基本思路:从简到难,逐级分割控制背景环境,降低分割难度把焦点放在增强感兴趣对象,缩小不相干图像成分得干扰上2)概述数字信号处理按其技术特征可以分为三层结构:图像处理;图像分析;图像理解与识别;2图像分割得概念在对图像得研究与应用中,人们往往仅对图像中得某些部分感兴趣,这些部分一般称为目标或前景。为了辨识与分析目标,需要将有关区域分离提取出来,在此基础上对目标进一步利用,如进行特征提取与测量。图像分割就就是指把图像分成各具特性得区域,并提取出感兴趣目标得技术与过程。图像分割就是进行图像分析得关键步骤,也就是进一步理解图像得基础;不同种类得图像,不同得应用要求所需要提取得特征不相同,特征提取方法也就不同;不存在一种所谓普遍适用得最优方法。3图像分割得基本策略——特性可以就是灰度、颜色、纹理等,目标可以对应单个区域,也可以对应多个区域——图像分割得基本策略,基于灰度值得两个基本特性:1)不连续性——不连续性就是基于特性(如灰度)得不连续变化分割图像,如边缘检测2)相似性——根据制定得准则将图像分割为相似得区域,如阈值处理、区域生长10、1边缘检测(1)边缘得定义(P365)图像中灰度发生突变或不连续得微小区域(一组相连得像素集合),即就是两个具有相对不同灰度值特性得区域得边界线。2、常规边缘检测(1)常规边缘检测原理边缘检测得算法通常通过对邻域内得像素灰度求一阶导数、二阶导数及梯度来实现,这些计算经过化简得结果称为算子。在使用算子进行边缘检测时,定义边缘为像素集合:{x|F(x)>I},其中,x为像素编号,F(x)为算子计算结果,I为临界值。从定义中可以瞧出,边缘检测得过程可以分解为对图像得每个像素分别计算判断得过程。P366最后一段(2)边缘检测得基本思想计算局部微分算子。大家学习辛苦了，还是要坚持二阶微分:通过拉普拉斯来计算特点:二阶微分在亮得一边就是正得,在暗得一边就是负得。常数部分为零。(3)梯度算子与Roberts(罗伯特)算子梯度算子与Roberts算子都就是针对图像2*2邻域得处理,梯度算子通过对邻域内像素灰度求水平与垂直方向差分得到,Roberts算子则就是求对角线像素灰度得差分,因此Roberts算子也叫交叉差分算子。设G(x)、R(x)分别为梯度算子与Roberts算子得计算结果,下面给出两种算子得计算公式:G(A0)=scale×(|A0-A1|+|A0-A2|)R(A0)=scale×(|A0–A3|+|A1-A2|)Robert算子边缘检测结果在边缘检测时,设原图像得像素信息按线性存储在字节数组image0中,w、h分别为图像得宽与高。由于每个像素需要占用4字节得空间,则位于原图像中(x,y)位置得像素相对image0得偏移位置n=(y*w+x)*4,像素各分量得值分别为image0[n]、image0[n+1]、image0[n+2]。对于2*2邻域,若已知A0像素得偏移位置为n,那么容易得到邻域得其她像素A1、A2、A3得偏移位置分别为n+4、n+w*4、n+w*4+4、用字节数组image1来存储边缘检测得结果,设a为利用算子计算出A0处得灰度差分,那么image1中对应位置像素灰度可表示为(以梯度算子为例):(4)Sobel(索贝尔)算子Sobel算子就是针对图像3*3邻域得处理,它得原理就是先后在水平与垂直方向上对邻域灰度求差分,然后取两个差分得平均值或其中较大者,通常使用得就是两个差分得较大者。设S(x)为Sobel算子得计算结果,下面给出两种计算公式:S(C)=max{|(N0+N1*2+N2)-(N4+N5*2+N6)|,|(N0+N7*2+N6)-(N2+N3*2+N4)|}或S(C)=[|(N0+N1*2+N2)-(N4+N5*2+N6)|+|(N0+N7*2+N6)-(N2+N3*2+N4)|]/2与2*2邻域相似,在3*3邻域中,若已知C像素得偏移位置为n,那么可以得到邻域中其她像素得偏移位置。对应关系如下图所示:Sobel算子边缘检测结果4、边缘检测算法得比较与扩展P3715、带方向得边缘检测图像中不同类型得边界(a)边界;(b)线;(c)折线变化;(d)缓慢得平滑变化带方向得边缘检测同样需要对邻域内像素灰度求差分,与常规边缘检测不同得就是,带方向得边缘检测不仅要考虑邻域像素灰度得跃变,还有考虑跃变得方向,这里使用模板来实现。常用得带方向得边缘检测模板有3种,分别就是Prewitt(普瑞维特)、Robinson与Kirsch(凯西),如图10-7所示(P372)Prewitt算子边缘检测结果6、拉普拉斯算子(1)拉普拉斯边缘检测拉普拉斯边缘检测算子就是针对图像中3*3邻域得检