谭升
非主流人工智能科学家 我和外面那些妖艳的货不一样

【数字图像处理】6.7:灰度图像-图像分割 Sobel算子,Prewitt算子和Scharr算子平滑能力比较

灰度图像-图像分割 Sobel算子,Prewitt算子和Scharr算子平滑能力比较

依然是废话,这篇主要想对比下Sobel,Prewitt和Scharr算子的平滑能力,由于一阶微分对噪声响应强,进行微分之前进行降噪是非常必要的,这里我们进行的实验是,以lena图作为实验原图,取其中一行数据作为无噪声的原始信号,分别加上不同的强度的高斯白噪声,对噪声的分类和噪声具体性质的研究将在图像恢复中描述。但这里我们使用不同强度的高斯白噪声。

数学原理

数学原理主要介绍下衡量噪声强度的方法-均方根误差root-mean-square error,第 $i$ 个测量值与真实值差的平方 $d^2$ ,对 $d^2_i$ 进行求和后平均
$$
Re=\frac{1}{n}\sum_{i=1}^nd^2_i
$$

代码

Matlab写程序写的不多,所以将就看。
#实验结果
下面我们分别使用不同强度的高斯加性白噪声叠加到图像上,并计算
$\frac{1}{4}\times[1,2,1]$,$\frac{1}{3}\times[1,1,1]$,$\frac{1}{16}\times[3,10,3] $
对叠加了噪声的lena图的第250行数据进行平滑,叠加的噪声的标准差分别是当前信号的$0.5\%,1\%,2\%,3\%,4\%,5\%$,均值为$0$下面我们来观察效果。
下面折线图中,为了观察清楚,均方误差未乘以$\frac{1}{n}$,因为所有信号使用的n都相同,图中的黑色线为未处理信号的噪声强度,红色为Scharr算子的结果,绿色为Prewitt算子的结果,蓝色为Sobel算子结果,下面我们来观察结果:











总结

当噪声强度超过标准差为信号的 $4\%$ 时,Sobel和Scharr的性能开始接近,超过 $5\%$ 的时候Prewitt,Sobel,Scharr性能基本相同,但小于 $3\%$ 时候Scharr的性能明显强于Sobel,并且其性能排名为$Scharr > Sobel > Prewitt$当噪声标准差为 $0.5\%$ 时,误差大概为1个像素左右,此时不进行平滑的结果更好,此时均值平滑的效果最差。
自此简单的评估了下各算子的噪声平滑效果,在小噪声情况下,$3\times3$的算子Scharr算子性能强于Sobel。
待续。。。。

Share

You may also like...

说点什么

avatar
  Subscribe  
提醒

由于博客移至wordpress,部分公式和代码显示不正常,博主正在努力修改,如发现公式显示错误,请及时在文章下留言,感谢您的帮助,尽请原谅!