医用边缘检测方法

‘壹’ 边缘检测的边缘检测

所谓边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间，所以，它是图像分割所依赖的最重要的依据。由于边缘是位置的标志，对灰度的变化不敏感，,因此，边缘也是图像匹配的重要的特征。边缘检测和区域划分是图像分割的两种不同的方法，二者具有相互补充的特点。在边缘检测中，是提取图像中不连续部分的特征，根据闭合的边缘确定区域。而在区域划分中，是把图像分割成特征相同的区域，区域之间的边界就是边缘。由于边缘检测方法不需要将图像逐个像素地分割，因此更适合大图像的分割。 边缘大致可以分为两种，一种是阶跃状边缘，边缘两边像素的灰度值明显不同；另一种为屋顶状边缘，边缘处于灰度值由小到大再到小的变化转折点处。 边缘检测的主要工具是边缘检测模板。我们以一个一维模板为例来考察边缘检测模板是如何作用的。模板的作用是将右邻点的灰度值减去左邻点的灰度值作为该点的灰度值。在灰度相近的区域内，这么做的结果使得该点的灰度值接近于0；而在边缘附近，灰度值有明显的跳变，这么做的结果使得该点的灰度值很大，这样就出现了上面的结果。这种模板就是一种边缘检测器，它在数学上的涵义是一种基于梯度的滤波器，习惯上又称边缘算子。我们知道，梯度是有方向的，和边缘的方向总是垂直的。模板 是水平方向的，而上面那幅图象的边缘恰好是垂直方向的，使用模板 就可以将它检测出来。如果图象的边缘是水平方向的，我们可以用梯度是垂直方向的模板 检测它的边缘。如果图象的边缘是45。方向的，我们可以用模板检测它的边缘。
常用的边缘检测模板有Laplacian算子、Roberts算子、Sobel算子、log（Laplacian-Gauss）算子、Kirsch算子和Prewitt算子等。

‘贰’ 图像边缘检测有哪几种方法

sobel算子应该是算比较简单的，canny也算是比较常用的 ,pca我见过一般都是人脸的检测，别的地方用的，还真不多吧，可能我水平还是有限，我刚搜了一下就有一篇文章是是关于PCA用于图像边缘的检测，日本琉球大学的，已经发给你了。PCA的主要作用就是对多角度的测量数据进行观察，去掉无用的数据，只保留主元，减小计算量，最合适的地方就是人脸识别，人脸肯定是有扭动的角度的。csdn上不少pca代码。
边缘检测还是常规点好，那些sobel，roberts,canny等等多么强大好用，为啥必须用pca啊？有篇文章 关于pca来做图像特征的，可能有包含边缘的部分，自己找着下载看吧,在SPRINGER上 .

‘叁’ 边缘检测算子有哪些它们各有什么优缺点

边缘检测算子一阶的有Roberts Cross算子，Prewitt算子，Sobel算子，Canny算子， Krisch算子，罗盘算子；而二阶的还有Marr-Hildreth，在梯度方向的二阶导数过零点。

Roberts算子
一种利用局部差分算子寻找边缘的算子，分别为4领域的坐标，且是具有整数像素坐标的输人图像;其中的平方根运算使得该处理类似于人类视觉系统中发生的过程。

Sobel算子
一种一阶微分算子，它利用像素邻近区域的梯度值来计算1个像素的梯度，然后根据一定的绝对值来取舍。

Prewitt算子
Prewitt算子是3*3算子模板。2个卷积核dx ,不要形成了Prewitt算子。与Sobel算子的方法一样，图像中的每个点都用这2个核进行卷积，取最大值作为输出值。

各个算子的优缺点：

Robert算子定位比较精确，但由于不包括平滑，所以对于噪声比较敏感。
Prewitt算子和Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均滤波且检测的图像边缘可能大于2个像素。这两者对灰度渐变低噪声的图像有较好的检测效果，但是对于混合多复杂噪声的图像，处理效果就不理想了。
LOG滤波器方法通过检测二阶导数过零点来判断边缘点。LOG滤波器中的a正比于低通滤波器的宽度，a越大，平滑作用越显着，去除噪声越好，但图像的细节也损失越大，边缘精度也就越低。所以在边缘定位精度和消除噪声级间存在着矛盾，应该根据具体问题对噪声水平和边缘点定位精度要求适当选取。

‘肆’ 边缘检测，图像模糊，灰度化和图像去雾的基本思路是什么呢 说出是需要改变哪些色彩空间的值。。。

我挨个说一下吧，也算给自己复习一下。
一 边缘检测
方法很多很多啊。
1 常用的是用各种边缘检测算子对图像进行卷积运算，计算出来图像每个部分的梯度值，由于边缘有突变的像素值，所以梯度大的地方很可能是边缘。常见的有 sobel算子等。
2 形态学运算，主要是针对二值化之后的图比较高效，直接先膨胀再腐蚀，然后相减图像就是边缘。
3 canny算法，这个用的很多，我也很喜欢，主要是用到强边缘和弱边缘进行区分。
4 通过识别feature进行识别，在边缘不明显的时候比较有效。

二 图像模糊
这里你要知道一个概念，什么是模糊呢？
咱们近视眼就是一个模糊，这个模糊就是眼睛的成像不能精确的成像在视网膜上吧？
你可以想象一下，其实这就是一个尺度变换的问题，你看一张报纸很清楚，但是从五十米外看你这张报纸（我们假设能看得到），就非常模糊，不能辨认吧？
我这里就引出这个模糊的概念：叫做高斯滤波，高斯滤波其实就是一个尺度变换。
我再打个比方吧，比如一个围棋棋盘，黑线是黑线，棋盘是棋盘，即使黑线很细，你也能分清楚是吧？
但是如果你摘下眼镜看呢？黑线变粗了是吧？黑线变暗了是吧？
其实真正原因是棋盘的信息进入了原本黑线的地方，而黑线也进入了棋盘的地方。
这就是滤波的魅力，可以使像素各个梯度变小，让图像的像素点之间的联系没有那么强烈。。
既然引出高斯滤波，那就有其他的各种滤波，比如拉普拉斯滤波，中值滤波，均值滤波。
实际操作中应用的也都是算子求卷积的方法。

三 灰度化
你看电视的时候应该知道，电视上的一个彩色点，其实是GRB颜色模式，就是绿红蓝三色。
对应这个RGB颜色模式，你可以通过对这三个颜色通道的值进行处理，比如我就定义 V=(R+G+B)/3。那么这个V就包含了三种颜色的信息了吧？
但是一般的我们不直接用三个平均，而是由各个相应的系数相乘得到。

这是RGB颜色模式，但是如果你用到HSV颜色模式，问题就简单多了。
什么是HSV模式呢？你遥控器上可能有 色度 饱和度 亮度按钮吧？
这个就是HSV模式，其中这个V 就是 亮度 value，这个就直接是灰度信息了。

四 图像去雾
我对这个去雾的理解是，图像增强。
也可以叫做是图像锐化，这个过程正好和图像模糊相对应。
模糊是让梯度值变小，锐化就是让梯度变大。
对应的方法也是响应的算子进行滤波了。
而需要注意的是，锐化用的是高通滤波，模糊是低通滤波。
因为边缘信息一般都是频率高的信号。

视频分析系统团队
风之风信子

‘伍’ 图像处理的边缘检测问题

以重构相似度、置信度和连续性指标为基础,提出了一种无监督的边缘检测效果的评价方法。其中重构相似度衡量边缘的完整性和定位准确性,置信度反映真假边缘像素的比例,连续性指标度量边缘的连续程度。

参考博士论文：边缘检测及其评价方法的研究 磨少清 天津大学 2011

‘陆’ 边缘检测的边缘检测算子

一阶:：Roberts Cross算子，Prewitt算子，Sobel算子， Kirsch算子，罗盘算子；
二阶： Marr-Hildreth，在梯度方向的二阶导数过零点，Canny算子，Laplacian算子。
Canny算子（或者这个算子的变体）是最常用的边缘检测方法。 在 Canny 创造性的工作中，他研究了设计一个用于边缘检测最优预平滑滤波器中的问题，后来他说明这个滤波器能够很好地被一阶高斯导数核优化。另外 Canny 引入了非最大抑制概念，它是说边缘定义为在梯度方向具有最大梯度值的点。
在一个离散矩阵中，非最大抑制阶梯能够通过一种方法来实现，首先预测一阶导数方向、然后把它近似到45度的倍数、最后在预测的梯度方向比较梯度幅度。
一个获得亚点精度边缘的改进实现是通过检测梯度方向上二阶方向梯度的过零点来实现的:
它在梯度方向的三阶方向梯度满足符号条件
其中 Lx, Ly ... Lyyy 表示从使用高斯核平滑原始图像得到的尺度空间表示 L 计算出的偏微分。
按照这种方法，能够自动得到亚点精度的连续曲线边缘。滞后门槛也可以用在这些差分边缘片断。
罗盘算子是斯坦福大学的Ruzon在1999年提出的一个新的算子，据实验以及报道，性能超过Canny算子。

‘柒’ 医用口罩检测标准是什么

过滤效率：在空气流量（30±2）L/min条件下，对空气动力学中值直径（0.24±0.06）μm氯化钠气溶胶的过滤效率不低于30%。

细菌过滤效率：在规定条件下，对平均颗粒直径为（3±0.3）μm的金黄色葡萄球菌气溶胶的过滤效率不低于95%。

呼吸阻力：在过滤效率流量条件下，吸气阻力不超过49Pa，呼气阻力不超过29.4Pa。

(7)医用边缘检测方法扩展阅读：

注意事项：

医用防护口罩可连续使用4-6小时左右，在遇到以下情况时就需要及时的更换，呼吸出现困难时，口罩出现破损或破损，口罩与面部无法密合（无法通过密合检验时），被污染的口罩，比如说沾上了血渍或飞沫等异物时，与隔离病房或隔离病患接触过的口罩，如果口罩内含有活性炭，有异味时就可以换了。

佩戴医用口罩时应进行面部密合性测试。LMBH教给大家一个方法，简单的测试方法就是戴上医用口罩后，用力呼气，看空气不能从口罩边缘漏出，如果漏出来说明密合性并不是很好。

‘捌’ sobel边缘检测优缺点与canny算子的优缺点

一、sobel边缘检测：

1、sobel边缘检测优点：输出图像(数组)的元素通常具有更大的绝对数值。

2、sobel边缘检测缺点：由于边缘是位置的标志，对灰度的变化不敏感。

二、canny算子：

1、canny算子优点：法能够尽可能多地标识出图像中的实际边缘；标识出的边缘要与实际图像中的实际边缘尽可能接近。

2、canny算子缺点：图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。

(8)医用边缘检测方法扩展阅读：

Sobel边缘检测的核心在于像素矩阵的卷积，卷积对于数字图像处理非常重要，很多图像处理算法都是做卷积来实现的。

卷积运算的本质就是对制定的图像区域的像素值进行加权求和的过程，其计算过程为图像区域中的每个像素值分别与卷积模板的每个元素对应相乘，将卷积的结果作求和运算，运算到的和就是卷积运算的结果。

‘玖’ 图像分割和图像边缘检测 到底是什么区别呢

图像分割是指将特定的影像分割成区域内部属性一致而区域间不一致的技术。一般图像分割方法分为基于阈值的方法，基于边缘的方法，基于区域的方法和基于特定理论的方法，基于边缘的方法就是首先进行边缘提取，认为边缘内的区域就是同一属性的，然后进行边缘连接把边缘闭合起来形成区域。因此可以说边缘处理只是图像分割的一种。

‘拾’ 边缘检测的理论依据是什么有哪些方法各有什么特点

就是通过一些临近像素相关算法突出灰度变化比较大的部分。变化平缓的取值低，变化越剧烈取值越高。比如有卷积算法，具体计算方法，有拉普拉斯算子、高斯算子等的应用。