数字图像处理阅读报告

数字图象处理阅读报告

摘要:本文是基于沈 洋,单士娟在2008年12月发表于兰州工业高等专科学校学报第15卷,第4期的论文---<<基于小波分析的图像边缘检测>>所写的阅读报告。主要概述了传统边缘检测的算法以及基于小波分析的图像边缘检测的算法的特点,并做了比较。同时也将基于小波分析的图像边缘检测用matlab做了具体实现。

图像的边缘是图像的重要特征之一, 数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础, 其目的是精确定位边缘, 同时较好地抑制噪声, 因此边缘检测是机器视觉系统中必不可少的重要环节。

在<<基于小波分析的图像边缘检测>>这篇论文中作者提到了课堂上讲到的基于微分的边缘检测,其中包括了Roberts边缘检测算子、Prewitt边缘检测算子、Sobel边缘检测算子和拉普拉斯边缘检测算子这些传统的边缘检测方法。作者分别介绍了它们各自的计算式以及各自的特点。我通过课堂上的学习以及查阅书籍将这几种传统算法的特点做了以下归纳。

Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘,定位精度高,对噪声敏感。

Sobel算子根据像素点上下、左右邻点灰度加权差,在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用,提供较为精确的边缘方向信息,边缘定位精度不够高。当对精度要求不是很高时,是一种较为常用的边缘检测方法。 Prewitt算子利用像素点上下、左右邻点灰度差,在边缘处达到极值检测边缘。对噪声具有平滑作用,定位精度不够高。

Laplace算子是二阶微分算子,利用边缘点处二阶导函数出现零交叉原理检测边缘。不具方向性,对灰度突变敏感,定位精度高,同时对噪声敏感,且不能获得边缘方向等信息。

总结后可以发现以上几种学过的算法都对噪声极度敏感,在其上执行边缘检测的结果常常是把噪声当作边缘点检测出来,而真正的边缘也由于受到噪声干扰而没有被检测出来。于是作者便提出了一种新的边缘检测的方法,即基于小波分析的图像边缘检测。而这个算法也是我们在课堂上所没有学到过的新算法。由于小波变换采用可调的时频窗,能较好地解决时间和频率分辨率的矛盾,在低频段用高的分辨率和低的时间分辨率,而在高的频率段则采用低的频率分辨率和高的时间分辨率。所以,与传统的边缘检测方法相比,小波变换检测边缘更能满足实际需要。通过小波变换进行边缘检测,不仅保持了原始图像的空间特性,而且还很好地提取了图像的高频信息。同时小波分量具有水平、垂直、斜向的方向选择性,

Word文档免费下载Word文档免费下载:数字图像处理阅读报告 (共4页,当前第1页)

你可能喜欢

  • 陈安之成功全集
  • 遥感数字图像处理报告
  • 数字图像处理实习报告
  • 数字图像处理课程设计
  • 缺陷检测

数字图像处理阅读报告相关文档

最新文档

返回顶部