Wikipedysta:Ajus/brudnopis
Filtry krawędziowe są to filtry których zadaniem jest uwypuklenie w obrazie krawędzi w tym celu stosować można :
•Filtry przesuwania
Wykrywanie krawędzi za pomocą filtru przesuwania polega na stworzeniu kopii obrazu oryginalnego, jej przesunięciu a następnie odjęciu od obrazu oryginalnego. Oznacza to, że im większa będzie różnica pikseli pomiędzy przesuniętymi obrazami, tym bardziej wyróżniona zostanie krawędź. W związku z tym, że kopię obrazu można przesuwać w kilku kierunkach wyróżniamy filtry: pionowe, poziome i ukośne.
0 -1 0 0 0 0 -1 0 0
0 1 0 -1 1 0 0 1 0
0 0 0 0 0 0 0 0 0
Maski do wykrywania krawędzi za pomocą filtru przesuwania
•Filtry gradientowe
Jednym z najprostszych sposobów detekcji krawędzi jest wykorzystanie w tym celu pierwszej pochodnej funkcji opisującej zmiany stopni szarości. Po zróżniczkowaniu sygnału wystarczy wykorzystać odpowiedni próg detekcji podczas binaryzacji, by otrzymać obraz krawędzi. Dodatkową zaletą tego rozwiązania jest fakt, że dla bardziej rozmytych krawędzi (łagodniejsze przejście) maksimum pierwszej pochodnej ma niższą wartość. Jeszcze bardziej jednoznaczne wyniki daje zastosowanie drugiej pochodnej. W tym przypadku krawędź odpowiada wprost miejscu zerowemu drugiej pochodnej.
Operatory gradientowe zostały stworzone dla obrazów czarno-białych. W oparciu o definicję krawędzi która mówi o gwałtownej zmianie funkcji obrazowej zaproponowano aby do wyszukiwania krawędzi posłużyć się operacją różniczkowania, bowiem pochodna funkcji zawiera informacje o wielkości zmian funkcji pierwotnej. Posługując się tym sposobem możemy odnaleźć miejsca w którym gwałtownie zmienia się wartość funkcji (np. intensywność w obrazie).
•Filtry kierunkowe
Filtry te wyróżniają krawędzie obrazu w zgodnej z kierunkiem części obrazu, a nie tak jak w przypadku filtrów przesuwających równo w całym obrazie.
W kolejnym filtrze podobnie jak w przypadku kierunkowych filtrów gradientowych mamy do czynienia z tym samym sposobem definiowania krawędzi i wyróżniania ich wartościami wag w maskach filtrów. Różnica polega na tym, że wartość środkowa wynosi 1, natomiast wagi pól oddzielających dany kierunek od przeciwnego mają wartość 0. Poniżej zaprezentowano 3 przykłady tego typ filtrów:
-1 0 1 1 1 0 -1 0 0
-1 1 1 1 1 -1 0 1 0
-1 0 1 -1 0 1 0 0 0
Maski do wykrywania krawędzi za pomocą filtru kierunkowego z efektem płaskorzeźby.
•Filtry Laplace’a Nazwa tej grupy wywodzi od równania Laplace’a, według którego zbudowano tego rodzaju filtry. Operator funkcji dwuwymiarowej zwany laplasjanem jest określany jako suma pochodnych cząstkowych drugiego rzędu danej funkcji względem każdego wymiaru.
0 1 0
1 -4 1
0 1 0
Podstawowa maska filtru Laplace’a do wykrywania krawędzi w 4 kierunkach.
Należy zauważyć, że suma wszystkich wag maski filtrów jest równa 0, co stanowi przypadek gdzie we wzorze opisującym działanie tego typu filtrów wartość w mianowniku będącą współczynnikiem normalizującym należy przyjąć za 1. Powyżej zaprezentowana maska filtru Laplace’a jest podstawowym przykładem tego typu filtrów niemniej można zdefiniować szereg innych przy zachowaniu warunku, że suma wszystkich wag filtru jest równa 0.
Filtry konturowe bardzo zbliżone do działania filtrów krawędziowych (szczególny przypadek filtrów górnoprzepustowych) jest efekt działania filtrów konturowych. Skutkiem działania tych filtrów SA wyraźnie zarysowane kontury obrazu. Filtry tego typu są szczególnie przydatne do opracowania map warstwicowych. Wyróżnia się kilka rodzajów filtrów konturowych :
• Filtry Sorbela
• Filtry Prewitta
• Filtry Freichena
• Filtry Kricha
Wszystkie te metody polegają na estymacji lokalnego gradientu funkcji obrazowej poprzez operację splotu z maską danego operatora.
- Pozycja na liście punktowanej