文档章节

<<一种基于δ函数的图象边缘检测算法>>一文算法的实现。

abcijkxyz
 abcijkxyz
发布于 2016/11/22 16:38
字数 1321
阅读 6
收藏 0

  原始论文下载: 一种基于δ函数的图象边缘检测算法

     这篇论文读起来感觉不像现在的很多论文,废话一大堆,而是直入主题,反倒使人觉得文章的前后跳跃有点大,不过算法的原理已经讲的清晰了。

    一、原理

     文中提出的边缘检测算法原理也不是特别复杂,使用了一个低通滤波函数以及一个高通滤波函数,其形式分别为:

                                                     (1)

                          (2)

       当图像中的噪音比较少时,可以直接使用高通滤波器对图像进行滤波,得到图像的细节信息(即边缘处),论文中称之为D算法,计算公式如下:

      

    式中顶部的横线应该是表示开平方的意思。

       而当图像含有噪音时,则采用高通和低通滤波器结合方式,使用低通滤波器平滑图像中的噪音,高通滤波器检测边缘,这个原理则类似于高斯拉普拉斯边缘检测过程,论文中称之为C算法,计算公式如下:

 

       式中w表示的是窗口大小,取值越大,边缘的宽度越大,建议理想取值为2。

   上面两个式子都已经是离散化的表达方式了,因此实际上也是一种对图像的模板操作,只是模板中的因子需要随着参数的不同而改变。

       注意:D算法仅仅是一维的模板操作,而C算法是二维的。

二、代码

       下面贴出D算法的核心代码:

 

void EdgeDetail(byte* Src, byte* Dest, int Width, int Height, int Stride, int Radius = 2, double S = 1, double T = 3)
{
    int X, Y, I, J, XX, YY;
    byte* SrcP, DestP;
    int SumOne, SumTwo, Power;
    byte* SqrValue = (byte*)GlobalAlloc(GPTR, (256 * 256) * sizeof(byte));
    int* SpeedHigh = (int*)GlobalAlloc(GPTR, (Radius * 2 + 1) * sizeof(int));

    SpeedHigh += Radius;

    for (Y = 0; Y < 256 * 256; Y++) SqrValue[Y] = (byte)Math.Sqrt(Y);

    for (Y = -Radius; Y <= Radius; Y++)
    {
        if (Y == 0)
            SpeedHigh[Y] = 0;
        else
            SpeedHigh[Y] = (int)((((Math.Cos(S * Y) / Y) - (Math.Sin(S * Y) / S) * (1.0 / (Y * Y) + 1.0 / (T * T))) * Math.Exp(-((double)Y * Y) / (2 * T * T))) * 1024);
    }
    for (Y = 0; Y < Height; Y++)
    {
        DestP = Dest + Y * Stride;
        for (X = 0; X < Width; X++)
        {
            SumOne = 0; SumTwo = 0;
            for (J = -Radius; J <= Radius; J++)
            {
                XX = X + J;
                if (XX < 0) XX = 0; else if (XX >= Width) XX = Width - 1;
                SrcP = Src + Stride * Y + XX;
                SumOne += (SpeedHigh[J] * SrcP[0]) >> 10;
                YY = Y + J;
                if (YY < 0) YY = 0; else if (YY >= Height) YY = Height - 1;
                SrcP = Src + Stride * YY + X;
                SumTwo += (SpeedHigh[J] * SrcP[0]) >> 10;
            }
            Power = SumOne * SumOne + SumTwo * SumTwo;
            if (Power > 65025) Power = 65025;
            DestP[0] = SqrValue[Power];
            DestP++;
        }
    }
    SpeedHigh -= Radius;
    GlobalFree((IntPtr)SqrValue);
    GlobalFree((IntPtr)SpeedHigh);
}

 

  如上所示,我采用了整数运算代替了浮点运算,主要目的是为了提高速度,当然这样做可能会牺牲一部分精度,由于从算法的必要性上讲,Radius不需要取得很大,因此,对于内部的二重循环来说,压力不是特大,因此没有做特殊的优化。而在超出边界处,直接采用的是使用边界元素值。

     上述代码的内部循环里有一些计算式可以提取到外部来的, 只是为了算法的清晰性,未做优化,速度发烧友可以自行提取。

     该算法各像素之间的计算式独立的,因此可以很简单的就实现并行计算。

  而C算法的代码就稍微复杂一点:

 

void EdgeCoarse(byte* Src, byte* Dest, int Width, int Height, int Stride, int Radius = 2, double S0 = 0.3, double T0 = 3, double S1 = 0.2, double T1 = 2)
{
    int X, Y, I, J, XX, YY;
    byte* SrcP, DestP;
    int SumOne, SumTwo, Power;
    int* SqrValue = (int*)GlobalAlloc(GPTR, (256 * 256) * sizeof(int));
    int* SpeedHigh = (int*)GlobalAlloc(GPTR, (Radius * 2 + 1) * sizeof(int));
    int* SpeedLow = (int*)GlobalAlloc(GPTR, (Radius * 2 + 1) * sizeof(int));

    SpeedHigh += Radius;
    SpeedLow += Radius;

    for (Y = 0; Y < 256 * 256; Y++) SqrValue[Y] = (int)Math.Sqrt(Y);

    for (Y = -Radius; Y <= Radius; Y++)
    {
        if (Y == 0)
        {
            SpeedHigh[Y] = 0;
            SpeedLow[Y] = 1024;
        }
        else
        {
            SpeedHigh[Y] = (int)((((Math.Cos(S1 * Y) / Y) - (Math.Sin(S1 * Y) / S1) * (1.0 / (Y * Y) + 1.0 / (T1 * T1))) * Math.Exp(-((double)Y * Y) / (2 * T1 * T1))) * 1024);
            SpeedLow[Y] = (int)(((Math.Sin(S0 * Y) / (S0 * Y)) * Math.Exp(-((double)Y * Y) / (2 * T0 * T0))) * 1024);
        }
    }

    for (Y = 0; Y < Height; Y++)
    {
        DestP = Dest + Y * Stride;
        for (X = 0; X < Width; X++)
        {
            SumOne = 0; SumTwo = 0;
            for (J = -Radius; J <= Radius; J++)
            {
                YY = Y + J;
                if (YY < 0) YY = 0; else if (YY >= Height) YY = Height - 1;
                for (I = -Radius; I <= Radius; I++)
                {
                    XX = X + I;
                    if (XX < 0) XX = 0; else if (XX >= Width) XX = Width - 1;
                    SrcP = Src + Stride * YY + XX;
                    SumOne += (SpeedHigh[I] * SpeedLow[J] * SrcP[0]) >>20;
                    SumTwo += (SpeedLow[I] * SpeedHigh[J] * SrcP[0]) >>20;
                }
            }
            Power = SumOne * SumOne + SumTwo * SumTwo;
            if (Power > 65025) Power = 65025;
            DestP[0] = (byte)SqrValue[Power];
            DestP++;
        }
    }
    SpeedHigh -= Radius;
    SpeedLow -= Radius;
    GlobalFree((IntPtr)SqrValue);
    GlobalFree((IntPtr)SpeedHigh);
    GlobalFree((IntPtr)SpeedLow);

}

   我个人不怎么喜欢用C#的数组,这也是从性能角度考虑的,我喜欢直接操作指针。这个可以根据每个人自己的习惯修改吧。 

    相信能看懂原理的朋友对于代码部分的理解也应该很容易,这里不做多解释。

三、效果

   c算法的结果

  

                 原图                      Radius=2,S=3.14,T=1                 Radius=2,S=1.57,T=1

   D算法:

     原图                          Radius=2,S0 = 0.3, T0 = 3, S1 = 0.2, T1 = 2              Radius=2,S0 = 3, T0 = 3, S1 = 2, T1 = 2  

    可见,这个算法要取得比较好的效果,是需要调整S/T这些参数,关于这些参数的取值意向,可以参考原文中的一些描述。

    这个工程比较简单,附上C#的程序:http://files.cnblogs.com/Imageshop/EdgeDetectUseDeltaFunction.rar

 

*********************************作者: laviewpbt   时间: 2013.10.26    联系QQ:  33184777  转载请保留本行信息************************

 

本文转载自:http://www.cnblogs.com/Imageshop/p/3389084.html

abcijkxyz
粉丝 63
博文 6196
码字总数 1876
作品 0
深圳
项目经理
私信 提问
Canny算法解析,opencv源码实现及实例

-----------------Canny算法原理部分----------------- Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。 Canny边缘检测基本原理:(1)图象边缘检测必须满足两个...

piaoxuezhong
2017/04/12
0
0
matlab图像边缘检测的简单方法

介绍两种最简单实用的方法,方法如下: 一、简介 (1)Roberts 算子 基于 Roberts算子的边缘检测法是通过局部差分算法对图像进行运算处理,进而得到图像边界点的检测方法,其边界点的检测公式如...

qq_27490767
2018/03/04
0
0
图像]Canny检测的Matlab实现(含代码)

[图像]Canny检测的Matlab实现(含代码) 原创 2015年06月23日 15:56:47 标签: canny / 边缘检测 / Matlab / 源码 16740 原创文章,欢迎转载。转载请注明:转载自 祥的博客 原文链接:http://...

weiweidyy
2018/03/27
0
0
28局部与分割-图像修补inpaint

28局部与分割-图像修补 inpaint算法的核心在于:提取带修补区域的边界,分别从最外层的边界到最里层的边界,然后依次进行修补。算法的思想如下: 看到这里,就会有疑惑了,怎么确定像素与边缘...

z827997640
2018/04/21
0
0
第十章 神经网络参数的反向传播算法

该系列文章为,观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单,但不得不说每一句都非常的简洁扼要,浅显易懂。非常适合我这样的小白入门。 本章含盖 10.1 代价函数 10.2...

tomas家的小拨浪鼓
03/02
0
0

没有更多内容

加载失败,请刷新页面

加载更多

程序员随想-关于分享

最早的时候,文字是贵族这些上层人士才会学习的,底层人士没有资格和渠道去学习,同样用文字、图像等其他载体承载的知识大部分也只有贵族阶层才能享受的。后来有了造纸术、印刷术,成本降低,...

Lubby
33分钟前
1
0
聊聊hibernate的session-level repeatable reads

序 本文主要研究一下hibernate的session-level repeatable reads 实例 doInTransaction(session -> { Product product = new Product(); product.setId(1L); product.setQuanti......

go4it
44分钟前
0
0
ubuntu或ubuntu kylin优麒麟中安装QQ、wechat微信、百度网盘

从中国国内的地址下载deepin wine,码云上的。这样网速比较快。然后,按照说明向下安装。 https://gitee.com/wszqkzqk/deepin-wine-for-ubuntu...

gugudu
56分钟前
2
0
基于redis分布式锁实现“秒杀”

最近在项目中遇到了类似“秒杀”的业务场景,在本篇博客中,我将用一个非常简单的demo,阐述实现所谓“秒杀”的基本思路。 业务场景 所谓秒杀,从业务角度看,是短时间内多个用户“争抢”资源...

别打我会飞
今天
14
0
Zookeeper的实践指南

本章重点 1.数据存储2.基于Java API初探Zookeeper的使用3.深入分析Watcher机制的实现原理4.Curator客户端的使用,简单高效 数据存储 事务日志快照日志运行时日志 bin/zookeepe...

须臾之余
今天
2
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部