AL123 人文社科会员免费专区文学 2025-08-20

OpenCV计算机视觉开发实践：基于Qt C++_朱文伟；李建英_AZW3_MOBI_EPUB_PDF_电子书（无页码）_朱文伟；李建英

内容节选

第8章图像边缘检测边缘检测是图像处理与计算机视觉中的重要技术之一，目的是检测识别出数字图像中亮度变化剧烈的像素点构成的集合。图像边缘检测可以用于定位二维或三维图像中对象的边缘，这些边缘通常是图像中亮度或灰度值发生显著变化的地方，对应着物体的轮廓、不同区域的边界等。图像边缘检测在图像分割、目标识别、图像分析等领域具有广泛的应用。 8.1 图像边缘检测概述图像属性中的显著变化通常反映了属性的重要事件和变化，包括深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测是图像处理和计算机视觉，尤其是特征提取中的一个研究领域。图像边缘检测大幅度地减少了数据量，并且剔除了不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们大致可以划分为两类：基于查找和基于零穿越。基于查找的方法通过寻找图像一阶导数中的最大值和最小值来检测边界，通常将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是拉普拉斯算子（Laplacian Operator）过零点或者非线性差分表示的过零点。人类视觉系统认识目标的过程分为两步：第一步是把图像边缘与背景分离出来；第二步是感受图像的细节，辨认出图像的轮廓。计算机视觉正是模仿人类视觉的这个过程。因此，在检测物体边缘时，先对其轮廓点进行粗略检测，然后通过链接规则把原来检测到的轮廓点连接起来，同时也检测和连接遗漏的边界点及去除虚假的边界点。图像的边缘是图像的重要特征，是计算机视觉、模式识别等的基础，因此边缘检测是图像处理中的一个重要环节。然而，边缘检测又是图像处理中的一个难题，因为实际景物图像的边缘往往是各种类型的边缘及其模糊化后结果的组合，且实际图像信号存在噪声。噪声和边缘都属于高频信号，很难用频带进行取舍。锐化的概念可以从锐度谈起。很多人都以为锐度就是Sharpness，其实在数字图像领域，锐度更准确的说法是acutance，就是边缘的对比度（这里的边缘指的是图像中的物件的边缘）。一组锐度变化图如图8-1所示。图8-1 从图8-1中可以看出，锐度从左到右逐渐提高了。锐度的提高会在不增加图像像素的基础上造成提高清晰度的假象。那么这样的锐化效果如何实现呢？一个传统的算子是如何工作的呢？我们慢慢来展开。回到锐度的本意来看，锐度就是边缘的对比度，提高锐度就是把边缘的对比度提高了，所以我们的工作就变成了： ·找到有差异的相邻的像素（这就是边缘检测）。 ·增加有差异的像素的对比度（这就是图像锐化）。在图像增强过程中，通常会利用各类图像平滑算法去消除噪声，图像的常见噪声有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓变得模糊。为了减少这类不利效果的影响，就需要利用图像锐化技术使图像的边缘变得清晰。经过平滑的图像变得模糊的根本原因是图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算），就可以使图像变得清晰。图像锐化的方法分为高通滤波和空域微分法。图像的边缘或线条的细节（边缘）部分与图像频谱的高频分量相对应，因此采用高通滤波让高频分量顺利通过，并适当抑制中低频分量，使图像的细节变得清楚，从而实现图像的锐化。在智能化的人机交互过程和对计算机图像边缘检测的研究中，边缘检测可以提供大量有价值的信息，也可以作为一个友好的交互接口。于是产生了许多新的研究热点，例如图像的处理、人脸的识别、视频的监控、身份的验证以及网络传输中基于图像的压缩与检索等。数字图像作为一个崭新的学科在科学研究、工业生产、军事技术和医疗卫生等领域发挥着越来越重要的作用，对它的研究也日益受到人们的重视。边缘是指图像周围像素灰度有阶跃变化或屋顶状变化的像素的集合，它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。边缘具有方向和幅度两个特征，沿边缘走向，像素值变化比较平缓；垂直于边缘走向，像素值变化比较剧烈，可能呈现阶跃状，也可能呈现斜坡状。因此，边缘可以分为两种：一种为阶跃性边缘，它两边的像素灰度值有着明显的不同；另一种为屋顶状边缘，它位于灰度值从增加到减少的变化转折点。对于阶跃性边缘，二阶方向导数在边缘处呈零交叉；对于屋顶状边缘，二阶方向导数在边缘处取极值。图像处理的主要内容是在图像边缘检测的基础上，对物体背景灰度和纹理特征进行一种无损检测。这也是图像分割、模式识别、机器视觉和区域形状提取领域的基础，同时也是图像分析和三维重建的重要环节。图像边缘检测技术是图像处理和计算机视觉等领域的基本技术，如何快速、精确地提取图像边缘信息一直是国内外的研究热点，同时也是图像处理中的一个难题。早期的经典算法包括边缘算子方法、曲面拟合方法、模板匹配......