图4.2 图像领域中的灰度级
4.1 Robert算子
计算图像的梯度要基于在每个像素位置都得到了偏导数 和 。得到 点处一阶偏导数的最简单方法之一是使用Roberts交叉梯度算子:
Roberts算子可以表示为:
图4.3 Roberts算子
它是对一个2×2的模板进行的操作。分别对图像的所有像素求其用Roberts算子表示的梯度值后,再寻找一个适当的阈值,大于阈值的标记1,小于阈值的标记0,就可以得到用Roberts算法计算出的边缘图像。该模板由于没有清楚的中心点所以较难使用。下列图像(图4.4)是经过Robert算子分割过后得到的图像:
图4.4(1)tire.tif原图 图4.4(2) , 方向上的梯度分量
图 4.4(3) , 方向上的梯度分量 图 4.4(4) 梯度图像 +
所选择阈值分别为:
T1=0.1284(x方向)
T2=0.0914(y方向)
4.2 Prewitt算子和Sobel 算子
2×2大小的模板由于没有清楚的中心点所以很难使用。使用3×3大小的模板的方法由下式给出:
-1 -1 -1
0 0 0
1 1 1
-1 0 1
-1 0 1
-1 0 1
图4.5 Prewitt算子
图4.5所显示的模板称为Prewitt算子,可用于计算上面的两个公式(4-4)(4-5)。
对这两个公式的一个小小的变化是在中心系数上使用一个权值2:
-1 -2 -1
0 0 0
1 2 1
-1 0 1
-2 0 2
-1 0 1 图4.6 Sobel算子
权值2用于通过增加中心点的重要性而实现某种程度的平滑效果。图4.6称为soble算子,用以实现以上的公式(4-6)(4-7)。Prewitt和Sobel算子是在实际中计算数字梯度时最常用的,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。Prewitt模板实现起来比Sobel模板更为简单,但后者在噪声抑制特性方便略胜一筹,这在处理导数时是个重要的问题。注意,在这两个模板中的系数总和为0,表示正如导数算子所预示的,此时在灰度级不变的区域,模板响应为0。
下列图像(图4.7)是经过Prewwit算子分割过后得到的图像:
图4.7(1)tire.tif原图 图4.7(2) , 方向上的梯度分量
图 4.7(3) , 方向上的梯度分量 图 4.7(4) 梯度图像 +
所选择阈值分别为:
T1=0.1223(x方向)
T2=0.0814(y方向)
下列图像(图4.8)是经过Sobel算子分割过后得到的图像:
图4.8(1)tire.tif原图 图4.8(2) , 方向上的梯度分量
图 4.8(3) , 方向上的梯度分量 图 4.8(4) 梯度图像 +
所选择阈值分别为:
- 上一篇:AT89C51单片机野外多功能饮水机设计
- 下一篇:STM32F103X单片机采用光纤测温探头的温度监控装置设计
-
-
-
-
-
-
-
河岸冲刷和泥沙淤积的监测国内外研究现状
java+mysql车辆管理系统的设计+源代码
大众媒体对公共政策制定的影响
十二层带中心支撑钢结构...
乳业同业并购式全产业链...
杂拟谷盗体内共生菌沃尔...
电站锅炉暖风器设计任务书
中考体育项目与体育教学合理结合的研究
酸性水汽提装置总汽提塔设计+CAD图纸
当代大学生慈善意识研究+文献综述