醫用邊緣檢測方法

『壹』 邊緣檢測的邊緣檢測

所謂邊緣是指其周圍像素灰度急劇變化的那些象素的集合，它是圖像最基本的特徵。邊緣存在於目標、背景和區域之間，所以，它是圖像分割所依賴的最重要的依據。由於邊緣是位置的標志，對灰度的變化不敏感，,因此，邊緣也是圖像匹配的重要的特徵。邊緣檢測和區域劃分是圖像分割的兩種不同的方法，二者具有相互補充的特點。在邊緣檢測中，是提取圖像中不連續部分的特徵，根據閉合的邊緣確定區域。而在區域劃分中，是把圖像分割成特徵相同的區域，區域之間的邊界就是邊緣。由於邊緣檢測方法不需要將圖像逐個像素地分割，因此更適合大圖像的分割。 邊緣大致可以分為兩種，一種是階躍狀邊緣，邊緣兩邊像素的灰度值明顯不同；另一種為屋頂狀邊緣，邊緣處於灰度值由小到大再到小的變化轉折點處。 邊緣檢測的主要工具是邊緣檢測模板。我們以一個一維模板為例來考察邊緣檢測模板是如何作用的。模板的作用是將右鄰點的灰度值減去左鄰點的灰度值作為該點的灰度值。在灰度相近的區域內，這么做的結果使得該點的灰度值接近於0；而在邊緣附近，灰度值有明顯的跳變，這么做的結果使得該點的灰度值很大，這樣就出現了上面的結果。這種模板就是一種邊緣檢測器，它在數學上的涵義是一種基於梯度的濾波器，習慣上又稱邊緣運算元。我們知道，梯度是有方向的，和邊緣的方向總是垂直的。模板 是水平方向的，而上面那幅圖象的邊緣恰好是垂直方向的，使用模板 就可以將它檢測出來。如果圖象的邊緣是水平方向的，我們可以用梯度是垂直方向的模板 檢測它的邊緣。如果圖象的邊緣是45。方向的，我們可以用模板檢測它的邊緣。
常用的邊緣檢測模板有Laplacian運算元、Roberts運算元、Sobel運算元、log（Laplacian-Gauss）運算元、Kirsch運算元和Prewitt運算元等。

『貳』 圖像邊緣檢測有哪幾種方法

sobel運算元應該是算比較簡單的，canny也算是比較常用的 ,pca我見過一般都是人臉的檢測，別的地方用的，還真不多吧，可能我水平還是有限，我剛搜了一下就有一篇文章是是關於PCA用於圖像邊緣的檢測，日本琉球大學的，已經發給你了。PCA的主要作用就是對多角度的測量數據進行觀察，去掉無用的數據，只保留主元，減小計算量，最合適的地方就是人臉識別，人臉肯定是有扭動的角度的。csdn上不少pca代碼。
邊緣檢測還是常規點好，那些sobel，roberts,canny等等多麼強大好用，為啥必須用pca啊？有篇文章 關於pca來做圖像特徵的，可能有包含邊緣的部分，自己找著下載看吧,在SPRINGER上 .

『叄』 邊緣檢測運算元有哪些它們各有什麼優缺點

邊緣檢測運算元一階的有Roberts Cross運算元，Prewitt運算元，Sobel運算元，Canny運算元， Krisch運算元，羅盤運算元；而二階的還有Marr-Hildreth，在梯度方向的二階導數過零點。

Roberts運算元
一種利用局部差分運算元尋找邊緣的運算元，分別為4領域的坐標，且是具有整數像素坐標的輸人圖像;其中的平方根運算使得該處理類似於人類視覺系統中發生的過程。

Sobel運算元
一種一階微分運算元，它利用像素鄰近區域的梯度值來計算1個像素的梯度，然後根據一定的絕對值來取捨。

Prewitt運算元
Prewitt運算元是3*3運算元模板。2個卷積核dx ,不要形成了Prewitt運算元。與Sobel運算元的方法一樣，圖像中的每個點都用這2個核進行卷積，取最大值作為輸出值。

各個運算元的優缺點：

Robert運算元定位比較精確，但由於不包括平滑，所以對於雜訊比較敏感。
Prewitt運算元和Sobel運算元都是一階的微分運算元，而前者是平均濾波，後者是加權平均濾波且檢測的圖像邊緣可能大於2個像素。這兩者對灰度漸變低雜訊的圖像有較好的檢測效果，但是對於混合多復雜雜訊的圖像，處理效果就不理想了。
LOG濾波器方法通過檢測二階導數過零點來判斷邊緣點。LOG濾波器中的a正比於低通濾波器的寬度，a越大，平滑作用越顯著，去除雜訊越好，但圖像的細節也損失越大，邊緣精度也就越低。所以在邊緣定位精度和消除雜訊級間存在著矛盾，應該根據具體問題對雜訊水平和邊緣點定位精度要求適當選取。

『肆』 邊緣檢測，圖像模糊，灰度化和圖像去霧的基本思路是什麼呢 說出是需要改變哪些色彩空間的值。。。

我挨個說一下吧，也算給自己復習一下。
一 邊緣檢測
方法很多很多啊。
1 常用的是用各種邊緣檢測運算元對圖像進行卷積運算，計算出來圖像每個部分的梯度值，由於邊緣有突變的像素值，所以梯度大的地方很可能是邊緣。常見的有 sobel運算元等。
2 形態學運算，主要是針對二值化之後的圖比較高效，直接先膨脹再腐蝕，然後相減圖像就是邊緣。
3 canny演算法，這個用的很多，我也很喜歡，主要是用到強邊緣和弱邊緣進行區分。
4 通過識別feature進行識別，在邊緣不明顯的時候比較有效。

二 圖像模糊
這里你要知道一個概念，什麼是模糊呢？
咱們近視眼就是一個模糊，這個模糊就是眼睛的成像不能精確的成像在視網膜上吧？
你可以想像一下，其實這就是一個尺度變換的問題，你看一張報紙很清楚，但是從五十米外看你這張報紙（我們假設能看得到），就非常模糊，不能辨認吧？
我這里就引出這個模糊的概念：叫做高斯濾波，高斯濾波其實就是一個尺度變換。
我再打個比方吧，比如一個圍棋棋盤，黑線是黑線，棋盤是棋盤，即使黑線很細，你也能分清楚是吧？
但是如果你摘下眼鏡看呢？黑線變粗了是吧？黑線變暗了是吧？
其實真正原因是棋盤的信息進入了原本黑線的地方，而黑線也進入了棋盤的地方。
這就是濾波的魅力，可以使像素各個梯度變小，讓圖像的像素點之間的聯系沒有那麼強烈。。
既然引出高斯濾波，那就有其他的各種濾波，比如拉普拉斯濾波，中值濾波，均值濾波。
實際操作中應用的也都是運算元求卷積的方法。

三 灰度化
你看電視的時候應該知道，電視上的一個彩色點，其實是GRB顏色模式，就是綠紅藍三色。
對應這個RGB顏色模式，你可以通過對這三個顏色通道的值進行處理，比如我就定義 V=(R+G+B)/3。那麼這個V就包含了三種顏色的信息了吧？
但是一般的我們不直接用三個平均，而是由各個相應的系數相乘得到。

這是RGB顏色模式，但是如果你用到HSV顏色模式，問題就簡單多了。
什麼是HSV模式呢？你遙控器上可能有 色度 飽和度 亮度按鈕吧？
這個就是HSV模式，其中這個V 就是 亮度 value，這個就直接是灰度信息了。

四 圖像去霧
我對這個去霧的理解是，圖像增強。
也可以叫做是圖像銳化，這個過程正好和圖像模糊相對應。
模糊是讓梯度值變小，銳化就是讓梯度變大。
對應的方法也是響應的運算元進行濾波了。
而需要注意的是，銳化用的是高通濾波，模糊是低通濾波。
因為邊緣信息一般都是頻率高的信號。

視頻分析系統團隊
風之風信子

『伍』 圖像處理的邊緣檢測問題

以重構相似度、置信度和連續性指標為基礎,提出了一種無監督的邊緣檢測效果的評價方法。其中重構相似度衡量邊緣的完整性和定位準確性,置信度反映真假邊緣像素的比例,連續性指標度量邊緣的連續程度。

參考博士論文：邊緣檢測及其評價方法的研究 磨少清 天津大學 2011

『陸』 邊緣檢測的邊緣檢測運算元

一階:：Roberts Cross運算元，Prewitt運算元，Sobel運算元， Kirsch運算元，羅盤運算元；
二階： Marr-Hildreth，在梯度方向的二階導數過零點，Canny運算元，Laplacian運算元。
Canny運算元（或者這個運算元的變體）是最常用的邊緣檢測方法。 在 Canny 創造性的工作中，他研究了設計一個用於邊緣檢測最優預平滑濾波器中的問題，後來他說明這個濾波器能夠很好地被一階高斯導數核優化。另外 Canny 引入了非最大抑制概念，它是說邊緣定義為在梯度方向具有最大梯度值的點。
在一個離散矩陣中，非最大抑制階梯能夠通過一種方法來實現，首先預測一階導數方向、然後把它近似到45度的倍數、最後在預測的梯度方向比較梯度幅度。
一個獲得亞點精度邊緣的改進實現是通過檢測梯度方向上二階方向梯度的過零點來實現的:
它在梯度方向的三階方向梯度滿足符號條件
其中 Lx, Ly ... Lyyy 表示從使用高斯核平滑原始圖像得到的尺度空間表示 L 計算出的偏微分。
按照這種方法，能夠自動得到亞點精度的連續曲線邊緣。滯後門檻也可以用在這些差分邊緣片斷。
羅盤運算元是斯坦福大學的Ruzon在1999年提出的一個新的運算元，據實驗以及報道，性能超過Canny運算元。

『柒』 醫用口罩檢測標準是什麼

過濾效率：在空氣流量（30±2）L/min條件下，對空氣動力學中值直徑（0.24±0.06）μm氯化鈉氣溶膠的過濾效率不低於30%。

細菌過濾效率：在規定條件下，對平均顆粒直徑為（3±0.3）μm的金黃色葡萄球菌氣溶膠的過濾效率不低於95%。

呼吸阻力：在過濾效率流量條件下，吸氣阻力不超過49Pa，呼氣阻力不超過29.4Pa。

(7)醫用邊緣檢測方法擴展閱讀：

注意事項：

醫用防護口罩可連續使用4-6小時左右，在遇到以下情況時就需要及時的更換，呼吸出現困難時，口罩出現破損或破損，口罩與面部無法密合（無法通過密合檢驗時），被污染的口罩，比如說沾上了血漬或飛沫等異物時，與隔離病房或隔離病患接觸過的口罩，如果口罩內含有活性炭，有異味時就可以換了。

佩戴醫用口罩時應進行面部密合性測試。LMBH教給大家一個方法，簡單的測試方法就是戴上醫用口罩後，用力呼氣，看空氣不能從口罩邊緣漏出，如果漏出來說明密合性並不是很好。

『捌』 sobel邊緣檢測優缺點與canny運算元的優缺點

一、sobel邊緣檢測：

1、sobel邊緣檢測優點：輸出圖像(數組)的元素通常具有更大的絕對數值。

2、sobel邊緣檢測缺點：由於邊緣是位置的標志，對灰度的變化不敏感。

二、canny運算元：

1、canny運算元優點：法能夠盡可能多地標識出圖像中的實際邊緣；標識出的邊緣要與實際圖像中的實際邊緣盡可能接近。

2、canny運算元缺點：圖像中的邊緣只能標識一次，並且可能存在的圖像雜訊不應標識為邊緣。

(8)醫用邊緣檢測方法擴展閱讀：

Sobel邊緣檢測的核心在於像素矩陣的卷積，卷積對於數字圖像處理非常重要，很多圖像處理演算法都是做卷積來實現的。

卷積運算的本質就是對制定的圖像區域的像素值進行加權求和的過程，其計算過程為圖像區域中的每個像素值分別與卷積模板的每個元素對應相乘，將卷積的結果作求和運算，運算到的和就是卷積運算的結果。

『玖』 圖像分割和圖像邊緣檢測 到底是什麼區別呢

圖像分割是指將特定的影像分割成區域內部屬性一致而區域間不一致的技術。一般圖像分割方法分為基於閾值的方法，基於邊緣的方法，基於區域的方法和基於特定理論的方法，基於邊緣的方法就是首先進行邊緣提取，認為邊緣內的區域就是同一屬性的，然後進行邊緣連接把邊緣閉合起來形成區域。因此可以說邊緣處理只是圖像分割的一種。

『拾』 邊緣檢測的理論依據是什麼有哪些方法各有什麼特點

就是通過一些臨近像素相關演算法突出灰度變化比較大的部分。變化平緩的取值低，變化越劇烈取值越高。比如有卷積演算法，具體計算方法，有拉普拉斯運算元、高斯運算元等的應用。