数字图像处理 边缘特征提取 Image edge detection

Image edge detection

                今天听到师姐做报告，接触到了“各种算子” 感觉很有意思~ 图像的线性处理以及边缘检测.

 

                 

                  下面是一个普通图片，我们可以观察到在图片中有飞机和汽车，在数字图像处理中，边缘特征的提取(说白了就是把图像中物体边缘的坐标点标记出来，没别的)

                     

肿么破捏？

这个时候我们学习的最最简单的数学知识——求导

wait wait... 这是连续领域的啊！数字图像信息以离散的数字储存，肿么办？差分！

想想，对于一个点point(x,y) 它周围的点如果都和它的像素值相近或相同，

point(x,y) - point(x+1,y+1) 这样做差分结果是不是接近于0 ? (废话，肯定嘛 \-0-/ )

如果位于物体的边缘情况就变得不同了，这里做差的结果将远离0.

什么，对边缘没概念？来个极端的例子

下面图像的像素值随着从左到右的过程在边界处急剧升高！

下面介绍算子 (operator)

operator = [z1 z2  z3;

                  z4  z5  z6; 

                  z7  z8  z9];

怎么用呢？

对于一副图片Img  = [ i1 i2 i3;

                                   i4 i5 i6;

                                   i7 i8 i9];

Filted_img  = [ f1 f2 f3;

                        f4 f5 f6;

                        f7 f8 f9];

此处省略Img的其他点，f5可以看作是处理之后的图像中的任意一点.

滤波运算操作：

f5 = z1*i1 + z2*i2 + z3*i3 + z4*i4 + z5*i5 + z6*i6 + z7*i7 + z8*i8 +z9*i9;

用最简单的算子做例子

0 0 0 

0 1 0

0 0 0

这个算子对图像做以上介绍的滤波

得到啥？原图！

0 0 0

0 1 0 

0 0 -1

这个算子呢？只要稍加阈值

便可检测出边缘部分！

取一定的阈值，大于阈值的赋值为255,小于阈值的赋值为0

这里阈值我尝试了不同的值

下图是阈值较小时(我取的 5 )，比较敏感，

各种公路上的线条都识别出来了，换个大点的阈值

这里换做25的阈值.                                                                  我把阈值调到18的时候，效果算比较好的

可以看出这里几乎仅保留了汽车和飞机的轮廓，

但是又丢失了点信息，继续调节阈值

      

0 0 0

0 1 0

0 0 -1

这个算子很简单，但是效果嘛，不能算很好

这个时候换个有名的算子——sobel 算子

-1  0 1 

-2  0 2

-1  0 1

以及

 1  2  1

 0  0  0 

-1 -2 -1

具体内容还是wiki吧 ，真爱都在wiki : )

注意这里是做卷积！不是做简单的矩阵乘法！别傻...

呵呵旁边是我的滑板，地板砖上的细小颗粒的边缘都能检测出来...酷帅

Octave (matlab )实现代码：

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% code writer :EOF% code date    :2014.09.27% code file    :img_filter_sobel.m% e-mail      :[e-mail]%%If there is something wrong with my code, please% touch me by e-mail. Thank you :)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%clear allclcOriginal_img = imread('/home/jasonleaster/Picture/building.png');float_Orignal_img = double(Original_img);F64_WHITE = 255.0;F64_BLACK = 0.000;THRESHOLD = 40;sobel_operator_X = [-1, 0, 1;-2,0,2;-1, 0, 1];sobel_operator_Y = [1 , 2, 1; 0,0,0;-1,-2,-1];Original_img_row = size(Original_img,1);Original_img_col = size(Original_img,2);Original_img_channel = size(Original_img,3);sobel_operator_X_row = size(sobel_operator_X,1);sobel_operator_X_col = size(sobel_operator_X,2);sobel_operator_Y_row = size(sobel_operator_Y,1);sobel_operator_Y_col = size(sobel_operator_Y,2);dark_channel = zeros(Original_img_row,Original_img_col);Filted_img   = zeros(Original_img_row,Original_img_col);for row = 1:Original_img_rowfor col = 1:Original_img_colmin_piexl = F64_WHITE;for channel = 1: Original_img_channel if(min_piexl > Original_img(row,col,channel))min_piexl = Original_img(row,col,channel);endenddark_channel(row,col) = min_piexl;endendfor row = 1:Original_img_rowfor col = 1:Original_img_col      conv_sum_X = 0;      for square_row = (row - floor(sobel_operator_X_row/2)) : (row + floor(sobel_operator_X_row/2))            for square_col = (col - floor(sobel_operator_X_col/2)) : (col + floor(sobel_operator_X_col/2))                            if square_row <= Original_img_row && square_col <= Original_img_col && ...                   square_row > 0                 && square_col > 0                     conv_sum_X = conv_sum_X + ...                    dark_channel(square_row,square_col)...                    *sobel_operator_X(square_row - (row - floor(sobel_operator_X_row/2)) + 1,square_col - (col - floor(sobel_operator_X_col/2)) + 1);                                    end            end      end               conv_sum_Y = 0;           for square_row = (row - floor(sobel_operator_Y_row/2)) : (row + floor(sobel_operator_Y_row/2))         for square_col = (col - floor(sobel_operator_Y_col/2)) : (col + floor(sobel_operator_Y_col/2))                            if square_row <= Original_img_row && square_col <= Original_img_col && ...                   square_row > 0                 && square_col > 0                         conv_sum_Y = conv_sum_Y + ...                    dark_channel(square_row,square_col)...                    *sobel_operator_Y(square_row - (row - floor(sobel_operator_X_row/2)) + 1,square_col - (col - floor(sobel_operator_X_col/2)) + 1);                                    end         end      end            Filted_img(row,col) = sqrt(conv_sum_X*conv_sum_X +conv_sum_Y*conv_sum_Y);   endendfigure(1);subplot(1,2,1);imshow(Original_img);title('Original Image')subplot(1,2,2);imshow(uint8(Filted_img));title('Filted Image');

scharr 算子

-3   0 3

-10 0 10

-3   0  3

上面是X方向上的scharr算子

下面是Y方向上的scharr算子

3 10 3

0  0  0

-3 -10 -3

黄金时代 本杰明 美国 布面油画 1776年 654x765cm 私人收藏 纳尔逊-阿特金斯艺术博物馆
    这幅被誉为黄金时代（he Golden Age）的画，描绘了母子情深的动人情景。作者本杰明·威斯特（benjamin west 1738-1820年），美国画家，但其大多数作品在伦敦完成。他是第一位赢得国际声誉的美国本土艺术家