分割与边缘线条检测 -

分割与边缘/线条检测

Basic Approaches

图像分割:将图像划分为多个子区域

两种基本方法:

检测区域之间的不连续性(边缘)→基于边缘/线的分割;

将相似像素分组以形成连贯区域→基于区域的分割。

  • (a) 原图:包含一个灰度均匀的物体(左)和均匀的背景(右)。

  • (b) 边缘检测:通过寻找亮度的剧烈变化,勾勒出了物体的轮廓线。

  • 结论:对于这种简单、边界清晰的图,基于边缘(edge-based) 的方法非常有效,可以直接把轮廓提取出来,如 (c) 所示,成功把图像分成了黑白两个区域。


  • (d) 原图:物体虽然还是那个形状,但内部和背景都变成了噪点(纹理/texture)。

  • (e) 边缘检测:如果只用边缘检测(edge-based),计算机将会得到密密麻麻的碎边缘(因为噪点也是亮度变化),导致很难判断哪条线才是物体真正的边界,无法形成一个完整的闭合轮廓。

  • (f) 区域分割:尽管有很多噪点,但如果看整体,物体内部的“统计特性”(比如平均灰度)和背景是不一样的。基于区域(region-based) 的方法通过判断像素之间的相似性(把相似的像素连成一片),就成功地把物体和背景分开了。


Edge/Line-Based

拉普拉斯过滤器:核心特征:正负双线效应。因为拉普拉斯是二阶微分算子,当穿过一条从暗到亮的边缘时,会产生一正一负两个峰值,所以细线边缘会呈现“双线”。右上角放大图(a b / c d)清晰展示了边缘两侧的(先正再负,先纯白再纯暗)正负极性。第二张图像实际上是接近纯黑的,因为拉普拉斯是二阶微分算子,作用在图像上后:平坦背景:数值几乎为 0(如果按标准图像显示,0就是纯黑)。真实的矩阵是“大片0值 + 局部正负尖峰”。如果不做特殊处理,直接按常规图像显示,它确实基本是纯黑的,只有边缘有反应。

Absolute value(绝对值):左下角将第二张图像中的负值取绝对值(变为正数)。这样正负双线都变成了亮线,导致检测出的线宽度加倍(比原图线更粗)。

Positive values(仅正值):右下角只保留第二张图像中的正值,负值设为0。这样避免了双线效应带来的线宽加倍,能更精准地提取出单像素宽的线条结构,是线检测中更常用的后处理方式

这里两种处理方式隐含了阈值处理(“灰度标定/取绝对值”与“阈值截断”的组合过程)。


这里使用的拉普拉斯是各向同性的,也有水平的horizontal,倾斜正负45°,vertical垂直方向,来进行提取对应的特征边缘。


在数学模型中,拉普拉斯过滤器会进行二阶求导,详细见“空间滤波,拉普拉斯过滤器”,边界会有一个颜色的渐变,二阶求导在边界处会有一个zero crossing.

噪声影响:

理想无噪声情况下,我们能够通过判断二阶导数是否通过零点进行边界判断,但是如果引入噪声,那么就会导致不可判。


好了,现在忘记能够直接求二阶导数的拉普拉斯过滤器,我们从零开始,设计一个新的过滤器。

边缘的本质是图像亮度(像素值)发生“突变”的地方,而数学上用“一阶导数(梯度)”来捕捉这种突变。

\[离散梯度(中心差分):\nabla f_x=\frac{1}{2}[f(x+1,y)-f(x-1,y)] \]

因为数字图像是离散的像素点,无法直接求连续导数,所以用“差分”近似。

公式是 x方向(水平方向)的中心差分(计算结果是对称的,所以会落在像素中心点上)

通俗理解:用当前像素右边的值 f(x+1,y)减去左边的值 f(x−1,y),再除以间距2。如果左右亮度差异大(比如从黑到白),结果就大,说明这里存在垂直边缘;如果左右一样亮,结果为0(平坦区域)。

梯度向量与边缘信息:

\[\nabla f=\begin{bmatrix}G_x\\G_y\end{bmatrix}=\begin{bmatrix}\frac{df}{dx}\\\frac{df}{dy}\end{bmatrix} \]

梯度幅值(Magnitude)—— 边缘强度:

\[|\nabla f|=\left[\left(\frac{df}{dx}\right)^2+\left(\frac{df}{dy}\right)^2\right]^{1/2} \]

\[\text{即 }\sqrt{G_x^2+G_y^2}\text{。它代表该点亮度变化的总体剧烈程度。幅值越大,边缘越明显(常用于后续的边缘阈值判断)} \]


边界外采用的方式是镜像!

\[计算方式:\nabla^2f_x=[f(x+1,y)+f(x-1,y)-2f(x,y)] \]


将sobel放在对应点中,得到Gx和Gy的梯度,再将其合并起来通过公式计算结果:

\[\left|\nabla f\right|=\left[\left(\frac{df}{dx}\right)^2+\left(\frac{df}{dy}\right)^2\right]^{1/2} \]

上图中,Gx计算出来为1,Gy计算出来为3,合计的一阶导数为根号10,也就是3.16

得到的结果就是边界,也很明显,得到的边界略厚几个像素。它给出了一个连续、单像素宽的强响应带(厚度约 2-3 个像素)。它准确反映了“水平方向有强烈变化”


Canny edge detector 「坎尼边缘检测器」

• Based on numerical optimisation of an empirical quality metric for edge maps.

• Currently the preferred edge algorithm

– Smooth the input with a Gaussian filter,高斯平滑,降噪

– Compute gradient magnitude and angle,找变化最剧烈的地方,这里通常就是用上述提到的 Sobel 核

– Apply “non-maxima suppression” to gradient image,让边缘变细(从“粗带”变“单线”),Sobel 输出的边缘往往有 2~3 像素宽。这一步会沿着“梯度方向”,只保留幅值最大的那个像素,把旁边的“非极大值”干掉。这是 Canny 边缘极细的关键

– Double thresholding and connectivity analysis to detect and link edges,减少误检,连接断边。设一个高阈值(强边缘)和低阈值(弱边缘)。高于高阈值:保留(真边缘)。低于低阈值:直接丢弃(噪声)。中间地带(弱边缘):只有当它连接到强边缘时才保留,否则丢弃。这既去除了噪声,又把边缘连成了完整轮廓。


Hough Transform

我们能够计算出一个区域是边界,但是计算机理解的实际上仍然是对应的每一个像素点,怎么将点连通成线呢?

Global edge linking – Hough transform

全局边缘连接——霍夫变换

假设我们现在有两个像素点坐标,那么像素点坐标可以改写xy坐标轴为ab坐标轴:

\[(x_i,y_i)\&y=ax+b=>y_1=ax_1+b \]

\[b=-xa+y=>b=-x_1a+y_1 \]

如果在xy坐标轴上,点(xi,yi)与点(xj,yj)处于同一直线上,那么在ab参数坐标轴上,改写后的两条直线会相交。

但是这里的缺陷是如果ax+b是完全垂直的直线(a等于无穷),那么这个parameter space无法绘图。

为了改进这个缺点,我们使用了极坐标系(霍夫变换的标准形态)

\[(x_i,y_i)\&x\mathrm{cos}(\theta)+y\mathrm{sin}(\theta)=\rho=>x_i\mathrm{cos}(\theta)+y_i\mathrm{sin}(\theta)=\rho \]

在图像平面(左图)中,一条直线不再用 y=ax+b表示,而是用其法线来定义:

ρ(图中纵轴向下,距离):原点到直线的垂直距离。

θ(图中横轴,角度):法线与 x 轴的夹角。

直线上任意点 (x,y)满足方程:xcosθ+ysinθ=ρ。

对于图像中检测到的每一个边缘点 (xi,yi)(如 Canny 输出的点):

  • 将 xi,yi视为常数,把 θ作为变量,方程变形为:ρ=xi cosθ+yi sinθ。
  • 在 (θ,ρ)参数空间(中图)中,这个方程画出来是一条正弦/余弦曲线。
  • 图像中两个共线点 (xi,yi)和 (xj,yj),会对应两条曲线,它们在参数空间必然相交于一点 (θ′,ρ′),这个交点就代表了原图的那条直线(呼应顶部标题)。

Thresholding/阈值化

F(x,y) > T then (x,y) belongs to object, else (x,y) belongs to background.

大于 T → 判为前景/目标(object),赋值为 1(或 255 白色)

小于等于 T → 判为背景(background),赋值为 0(黑色)

Threshold image:

\[g(x,y)=\begin{cases}1&f(x,y)>T\\0&f(x,y)<=T&\end{cases} \]

三种类型

  • Bi-level(单阈值/两档):只有一个 T,把图分成两类(0 和 1),最常见(如黑白文档扫描)。
  • Multi-level(多级阈值):多个阈值 T1,T2,...,Tn,分成多个灰度级(如把图分成暗、中、亮三档,用于彩色量化或分层分割)。
  • Threshold image:就是输出的二值掩码图 g。

确定T值的最经典方法是 Histogram(直方图法)

图像的灰度直方图如果呈双峰(bimodal)——一个峰是背景,一个峰是物体。

那么在两峰之间的谷底(valley)取为 T,就能最好地分开两类。

这就是经典的 Otsu(大津法) 自动阈值的核心思路:最大化类间方差,等价于找直方图最佳分割点。

怎么选T呢?

A Heuristic approach(学术上我们不说猜,我们说启发式方法):

Initial guess on T

Segment image to G1 (>T) and G2 (<=T)

分别计算G1和G2的平均灰度,记为ψ1和ψ2(高亮部分)。

把新阈值设为这两个均值的算术平均:Tnew=(ψ1+ψ2)/2。

用新T回到第 2 步,直到连续两次的T几乎不变(变化极小),说明“分好了,均值稳定了”。


Otsu’s method:

选择阈值 k,以最大化类间方差

假设用阈值k把图像分成两类:背景(暗,小于 k)和目标(亮,大于 k)。

直觉:这两类的亮度差异越大(类间方差越大),说明分得越开、越干净;同类内部越聚集,分割效果越好。Otsu 法就是遍历所有可能的k,找那个让“两类差异最大”的值。

公式:

\[\begin{aligned}&\sigma_B^2\big(k\big)\big)=\frac{\big[m_GP_1(k)-m(k)\big]^2}{P_1(k)\big[1-P_1(k)\big]}\\&\sigma_B^2\big(k^*\big)\big)=\max_{0<k<L-1}\sigma_B^2\big(k\big)\big)\end{aligned} \]

P1(k):阈值 k下,“区域1”(通常指背景,像素值 <k)所占的比例(概率)。

m(k):区域1(像素 <k)的平均灰度。

mG:整张图像的全局平均灰度。

分母 P1(k)[1−P1(k)]:惩罚项。当两类像素数量极度不均(如 99% 背景 vs 1% 目标)时,分母变小,方差会被合理约束,避免极端分割。

最终目标(式子2):在所有灰度级 k中,算出使 σB2最大的那个 k∗,它就是最优阈值.

直方图常呈“双峰”(背景峰+目标峰)。Otsu 法在数学上等价于寻找两峰间的最佳谷底。最大化类间方差,就是让两个峰离得尽可能远,所以此时分割就是综合最优点T。

当图像目标太小或噪声太大导致直方图没有双峰时,Otsu 法会失效:


改进:结合梯度信息与乘积运算

(a) 噪声原图:与上一轮相同,暗背景+极小亮点,直方图 (b) 呈单峰(背景主导),直接 Otsu 会失效。

(c) 梯度图阈值化:计算图像的梯度幅值(边缘强度),并取 99.7 百分位作为阈值。结果保留了亮点边缘及少量强噪声。

(d) 乘积图 (a)×(c):将原图与梯度图逐像素相乘。非边缘区域被抑制为 0,仅保留“亮且是边缘”的区域。

(e) 非零像素直方图:(d) 中非零像素的直方图(底部红字强调)呈现出清晰的双峰(暗目标峰 + 噪声峰),解决了原图单峰问题。

(f) 最终分割:基于 (e) 的双峰用 Otsu 找阈值(文中提 134,取两峰中点),成功提取小亮点。

posted @ 2026-10-27 05:23  narilove  阅读(15)  评论(0)    收藏  举报