《计算机视觉》课程教学资源（PPT课件讲稿）边缘和线特征提取

第二节边缘和线特征提取

第二节 边缘和线特征提取

线特征提取算子 线特征是指图像的“边缘”与“线” “边缘”可定义为图像局部区域特 征不相同的那些区域间的分界线, 而“线”则可以认为是具有很小宽 度的其中间区域具有相同的图像特 征的边缘对 常用方法有差分算子、拉普拉斯算手、LOG算子 等

线特征提取算子 线特征是指图像的“边缘”与“线” “边缘”可定义为图像局部区域特 征不相同的那些区域间的分界线， 而“线”则可以认为是具有很小宽 度的其中间区域具有相同的图像特 征的边缘对 常用方法有差分算子、拉普拉斯算手、LOG算子 等

边缘(线)的灰度特征

边缘（线）的灰度特征

微分算子 梯度算子 GIgAx) G(x, y)=maggI 2g、2

一 、微分算子 1．梯度算子                   = y g x g G g(x, y)   2 1 2 2 ( , ) ( ) ( )         +   = = y g x g G x y mag G

差分算子 1-8A,)+(g1-8 近似 G J o1, 8 i,j+1 对于一给定的阈值T,当大于T时, 则认为像素(i,j)是边缘上的点

差分算子 ( ) 2 1 2 , , 1 2 , , 1, ( ) i j = i j − i+ j + i j − i j+ G g g g g , , +1, , , +1 = − + − i j i j i j i j i j G g g g g 对于一给定的阈值T，当大于T时， 则认为像素（i，j）是边缘上的点。 近似 -1 1 -1 1 1 1 1 1 − − Gx = 1 1 1 1 − − Gy =

roberts梯度算子 G lg(x, y) g G(x,y)=(8+g)2 ,-(-8)88手

Roberts梯度算子         =                 = v u r g g v g u g G g(x, y) 2 1 2 2 ( , ) ( ) r u v G x y = g + g ( ) 2 1 2 , , 1 2 , , 1, ( ) i j = i j − i+ j + i j − i j+ G g g g g -1 1 -1 1

Sobe算子 考察它上下、左右邻点灰度的加权差。与 之接近的邻点的权大: S)=8(-1+1)+8-1+-1(+1-+230+1)+8(+1+ +g(1-1+21-)+8(+41)--1++2(j+)+8i+1j+1 20-2 10 1-2-1 000 121

Sobel算子 S(i, j) = g(i −1, j −1)+ 2g(i −1, j)+ g(i −1, j +1)−[g(i +1, j −1)+ 2g(i +1, j)+ g(i +1, j +1)] 考察它上下、左右邻点灰度的加权差。与 之接近的邻点的权大： + g(i −1, j −1)+ 2g(i, j −1)+ g(i +1, j −1)−[g(i −1, j +1)+ 2g(i, j +1)+ g(i +1, j +1)]                     − − − =           − − − = 1 2 1 0 0 0 1 2 1 1 0 1 2 0 2 1 0 1 y x G G i, j

Prewitt算子与 Sobel算子 000 Prewitt算子 00 Sobel算子 加大模扳 抑制噪声

-1 0 1 -1 0 1 -1 0 1 -1 -1 -1 0 0 0 1 1 1 Prewitt算子与Sobel算子 -1 0 1 -2 0 2 -1 0 1 -1 -2 1 -1 0 1 -1 2 1 加大模扳 抑制噪声 Prewitt算子 Sobel 算子

二.二阶差分算子 ∫(x) 了(xy) 值 (x,)

二. 二阶差分算子