【数字图像处理】6.6:灰度图像-图像分割 Scharr算子

Abstract: 数字图像处理:第44天
Keywords: 边缘检测,scharr算子

本文最初发表于csdn,于2018年2月17日迁移至此

开篇废话

感受下markdown的写博客的感觉,好像在写程序一样,果然是程序员的好工具,不过开头怎么没有空格。。。一空格就自动变成代码了,这让我情何以堪,好吧,以后的文章开头不空格了。本来打算上一篇直接介绍Scharr算子,但是发现Prewitt也能占很大篇幅,为了保证每一篇的内容不过长,所以拆了一篇出来,下一篇写Sobel,Prewitt,Scharr的对比。

Scharr算子介绍

果然没有空格,好吧,不空格就不空格吧,OpenCV的Canny算法介绍中提到了Scharr算子,并且说 $3\times3$ 的Scharr算子比Sobel算子准确性要强,后面一篇会给出一些具体的数据,以及具体的实验步骤以及数据,先看看Scharr长什么样子吧:

与Sobel的不同点也是在平滑部分,这里所用的平滑算子是 $\frac{1}{16}$ [3,10,3] ,相比于 $\frac{1}{4}$ [1,2,1] ,中心元素占的权重更重,这可能是相对于图像这种随机性较强的信号,邻域相关性不大,所以邻域平滑应该使用相对较小的标准差的高斯函数,也就是更瘦高的模板

#代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
double Scharr(double *src,double *dst,double *edgedriction,int width,int height){
double ScharrMask1[3]={0.1875,0.625,0.1875};
double ScharrMask2[3]={1,0,-1};
double *dst_x=(double *)malloc(sizeof(double)*width*height);
double *dst_y=(double *)malloc(sizeof(double)*width*height);
RealConvolution(src, dst_x, ScharrMask1, width, height, 1, 3);
RealConvolution(dst_x, dst_x, ScharrMask2, width, height, 3, 1);

RealConvolution(src, dst_y, ScharrMask2, width, height, 1, 3);
RealConvolution(dst_y, dst_y, ScharrMask1, width, height, 3, 1);
for(int i=0;i<width*height;i++)
dst_y[i]=-dst_y[i];
if(edgedriction!=NULL)
getEdgeAngle(dst_x, dst_y, edgedriction, width, height);
for(int j=0;j<height;j++)
for(int i=0;i<width;i++){
dst[j*width+i]=abs(dst_x[j*width+i])+abs(dst_y[j*width+i]);
}
free(dst_x);
free(dst_y);
//matrixMultreal(dst, dst, 1.0/16.0, width, height);
return findMatrixMax(dst,width,height);
}

效果

原图:

scharr算子结果:

按顺序局部放大:








注意7中具有细小噪声点,放大后观察:

阈值处理后:

总结

Scharr作为一阶微分算子,与其他微分算子具有相同的基本特点,即对突变有较强的响应,但缺点也是使用Scharr后处理时,阈值无法很好的分离边缘候选点中边缘点与非边缘点,其优点是速度极快,而且Scharr大小固定,也就是只有$3 \times 3$,第一篇markdown的博客,待续。。。

原文地址1:https://www.face2ai.com/DIP-6-6-灰度图像-图像分割-Scharr算子转载请标明出处

0%