基于图像的边缘检测算法研究(3)
彩色图像 (Color Image)：彩色图像是由三幅独立的分量图像组成的，它的像素是一个M×N×3数组，其中每一个像素点在特定空间位置的都有其相对应的红、蓝、绿三个分量。
立体图像 (Stereo Image)：立体图像是一个物体或场景由不同角度拍摄的一组图像。在通常情况下，我们可以用立体像计算出图像的深层次信息。
三文图像 (3D Image):一组堆栈的二文图像组成了三文图像。其中每一幅图像就表示了这个物体的一个横截面。在一个三文空间分布点的数据也可以用数字图像表示，比如计算机断层扫描设备生成的图像，在这种情况下，每个数据都称作一个体素。
数字图像边缘
图像最基础的特征是边缘。所谓的边缘就是指图像局部亮度值变化最明显的部分，边缘大部分集中在图像中的物体和物体，物体和图像背景之间，是图像局部特性的不连续性，就像灰度的突变、纹理结构的图标、颜色的图标等一样。因此边缘是图像分割所不可缺少的重要参照。
比较常见的边缘有2种：第一种是阶跃形边缘，就是一个灰度跳跃到一个比他高出好多的灰度值中，这种边缘两侧的灰度值有明显的差距。对于阶跃形边缘来说，用一阶导数处理边缘处达到极值，而用二阶导数处理边缘则呈现零交差。微分算法、基于数学形态学法和基于小波变换法这几种算法都是检测阶跃形边缘时常用的检测方法；第二种是屋顶形边缘，它的灰度值的特点是灰度缓缓增加到一个顶峰之后再慢慢减小，这样看来边缘就是位于图像的灰度由增加到减少或者由减少到增加的一个转折点，由此看出它的边缘是一阶方向导数的零交叉点。
图像分割
图像分割就是把图像表示为物理上有意义的联通区域的集合。一般通过对图像不同的特征，例如边缘、纹理、颜色、亮度等的分析从而达到图像分割的目的。因为人能轻易的把复杂场景中的不同物体区分开，但是计算机却做不到，所以如何准确、精确的分割图像是图像处理领域的一大难题，也是进一步对图像进行识别、分析和理解的重中之重。
边缘检测
边缘检测技术是图像处理领域最基本的技术。边缘检测的目标是识别出数字图像中亮度变化明显的点。如何快高效、精确地提取图像的边缘信息，一直是国内外学者研究的热点，同时边缘检测又是图像处理领域中的一个难题。研究初期经典算法包括边缘算子法，曲面拟合法，门限化方法，模版匹配法等等。这几年年来随着数理理论和计算机技术的告诉发展，又有许多边缘检测方法源源不断的涌现，比如基于数学形态学、神经网络的边缘检测法、模糊理论和小波变换和小波包的边缘检测法等。
边缘检测中最为重要的如何定义和分类边缘点。边缘点、纹理、角点等特征组成了基本元图。图像一大部分的信息包含在不同尺度的边缘点中。常用的边缘检测方法是寻找图像灰度函数一阶导数的局部最大值或者是二阶导数局部过零的点。
经过平滑的图边缘检测基本上是通过求导来实现。这里，以一文信号为例，来讨论边缘点的定义。
设f(x)是经过高斯函数平滑后的信号，令信号f(x)在x=σ处做泰勒级数展开：
f(x)=f〖(a)+f〗^' (a)(x-a)+1/(2 ) f^'' (a) (x-a)^2+⋯⋯ 2 1
在函数中f(a)与f^' (a)分别为信号f(x)在x=a处的一阶导数和二阶导数，若当f(a)=0时，那么信号f(x)在x=a处存在极值点，若当f^' (a)在x=a处改变符号时，那么x=a是信号f(x)的拐点。对于一文信号来说：
当f^' (a)=0,f^'' (a)>0，那么边缘点则为局部极小值点；
下一篇：C++图像去雾算法研究+文献综述