蒸利肌D毒l曲f分壤:撼麓。普赣鬻莴新边臻精谰?算i怯≤j
8。
i_
_董谚蠢:。
。豢篱÷甏蠢|『j|j
o
j。渗I
摘
要
本文描述了拉普拉斯高斯边缘检测算法结合算法在
Delphi6编程环境下对BMP
格式的灰度图像进行了边缘检测处理,从而体现其优越性。
关键词
边缘检测,图像处理,拉普拉斯高斯算法,卷积模板,Delphi
6
数字图像的边缘检测是图像分割、区域识别和特征提取等图像分析领域的重要基础。图像的边缘是图像的最基本的特
图l的(a)和(b)。
O14l0101181111
征,是指图像局部亮度变化最显著的地方,通常与图像亮度或图像亮度的一阶导数的不连续性有关。对于数字图像灰度值的显著变化可以用梯度来表示,边缘检测很大程度上来说就是求梯度。边缘检测的好坏直接影响到图像理解和识别的质量,选择什么样的边缘检测算法就很关键。本文引入拉普拉斯高斯算法,讨论其
工作原理,利用Delphi结合拉普拉斯高斯算法对BMP格式的灰度图像进行了边缘检测处理并对比其它算法给出了拉普拉斯高斯算子的优越性。
1011
(a)
图1
(b)
由于拉普拉斯算子(Laplace)是基于二次微分的算子,因而比起基于一次微分的梯度对噪声的反映更弱,对细线或孤立点的反映比边缘强,对角或端点的反应比边缘或线的直线部分强,并且输出较大的值。因此,为了使用拉普拉斯算子进行边缘检测,有必要预先对图像进行平滑处理。如果对图像进行平滑,将使边缘也变得模糊,根据所采用的平滑方法,有时会出现边缘的位置错位的现象。为了精确地保持边缘的位置来进行平滑的最合适的滤波式高斯函数。在边缘检测之前进行平滑时,只需采用按照高斯函数使权重发生变化的加权矩阵进行空间滤波即可。所以我们用高斯平滑滤波器对图像进行去噪声处理,再结合拉普拉斯锐化滤波器协同工作,就得到了拉普拉斯高斯(G叭ss—L印lace)算子。即先平滑掉噪声,在进行边缘检测,所以效果比较好。
常用的拉普拉斯高斯算子采用5×5的模板,如图2所示。
一2
—4—4~4
一、边缘检测算法
1.边缘检测边缘是图像的最基本的特征,是指图像周围像素灰度有阶跃变化和屋顶变化的像素集合;是由灰度的不连续性所反映的。经典的边缘提取方法是考虑图像的每个像素在某个领域灰度的变化,利用边缘邻近的一阶或二阶方向导数变化规律,进行局部梯度运算。求梯度根据滤波算子的不同可以分为好多种。如sobel算子,Robert算子,Prewitt算子等等。通过对处理后的图像进行研究对比发现:Roben算子是2×2算子,对具有陡峭的低噪声图像响应最好;sobel和Prewitt算子不是各向同性的,所以得到的图像并不是完全连通的,有一定程度的
—2—4
断开。本文引用的拉普拉斯高斯算子在边缘检测中不但对灰度渐变和噪声较多的图像处理最好,而且是各向同性的,得到的处理后的图像具有连贯性和高清晰度。2.拉普拉斯高斯算子拉普拉斯(Laplace)算子是对二维函数进行运算的二阶导数的算子。通常的拉普拉斯算子使用3×3的卷积模板,如
—4
080—4
8248
一d
080一4
—4
一4
●
一d
—4
一2
—2
图2
万方数据
嘏揣蘸黔
二、拉普拉斯高斯算法
Borland
Delphi是适用于快速开发基于Windows和Linu)【