简介：图像处理课程第五章“图像分割与边缘检测”的配套教学课件，适用于课程同步学习、考前复习与入门自学，面向高校图像处理相关专业学生及对计算机视觉感兴趣的初学者。内容系统讲解图像分割的基本概念、图像特征与三类实现策略，并深入展开灰度阈值分割、边沿检测算法、轮廓跟踪与提取、区域分裂与合并、模板匹配及图像匹配等核心模块，同时对均值、方差、熵等图像统计特征，亮度、纹理、轮廓等视觉特征，以及4连通与8连通做了具体阐释，可帮助读者构建从基础概念到典型算法的完整知识链条。该资源包含1个pptx演示文稿，大小1.82MB，结构紧凑便于直接学习使用。目前已有72人学习，可作为图像处理课程复习或自学图像分割章节的实用参考。
1. 图像处理-5专业知识.pptx：这份文档真正想让你掌握的三件事
看到“图像处理-5专业知识.pptx”这个文件名，第一反应可能是一份普通课程课件；但如果按行业里常见排序方式理解，数字 5 代表第五大部分，通常正好卡在“空域操作已完成、频域和特征层刚开始”的位置。这类 PPT 最大的特点是公式多、配图漂亮，但真正能让你在项目里复现出来的东西很少，比如怎么把频谱中心放对、Canny 高低阈值怎么从数据里推、逆滤波为什么总是“翻车”。我这边按这份 PPT 最常见的内容方向讲，把这一讲里最常被抽出来考试和落地的三个知识点——频域滤波、边缘检测、图像去噪与复原——拆成可跑的代码和可抄的参数。适合正在用 OpenCV 写图像预处理、准备图像岗位面试，或者第一次独立负责视觉方案的人。
2. 频域滤波的落地逻辑：从 FFT 频谱图到三种模板参数
2.1 空域做不了的事，频域只需一个截止半径
空间域滤波的实质是卷积。你在 OpenCV 里执行GaussianBlur、Sobel，背后都是拿一个固定尺寸的核对图像做滑动乘加。按照卷积定理，空域卷积等于频域相乘；所以理论上空间域能实现的滤波，频域都能实现，反之亦然。既然等价，为什么还要学频域？因为某些操作在空间域写起来非常别扭：比如去掉一张印刷品扫描图上的周期性网纹，它的频谱会在几个特定坐标出现一对亮斑，这种“带状或点状干扰”用空间域核几乎没法设计，而在频域只要在高亮频点周围挖一个圆形陷波模板就能精准抑制。
另一个现实原因是频域滤波能直接约束频率响应的形状。空间域高斯核只能按 sigma 调节衰减快慢，但频域里可以指定截止半径、过渡带宽、阻带衰减，像做通信系统一样设计滤波器；同一个平滑需求，巴特沃斯滤波器的振铃明显少于理想低通，这一点 PPT 上通常只画曲线，不写实现，导致很多同学以为低通就是cv2.blur。我一般建议：先把频域滤波跑通，再回到空间域，之后看算法的眼光会完全不一样。
2.2 先跑通一张图的 FFT：中心化、对数频谱与逆变换
图像是二维离散信号，用 numpy 的 FFT 就能算。下面是完整最小命令，输入单通道灰度图，输出频谱图和重建图：
import cv2 import numpy as np img = cv2.imread('demo.png', cv2.IMREAD_GRAYSCALE) img_float = img.astype(np.float32) / 255.0 # 二维 FFT f = np.fft.fft2(img_float) # 把零频分量移到频谱中心 f_shift = np.fft.fftshift(f) # 频谱可视化：对数缩放避免中心过亮、周围全黑 spectrum = 20 * np.log(np.abs(f_shift) + 1e-6) # 逆变换 f_ishift = np.fft.ifftshift(f_shift) img_back = np.real(np.fft.ifft2(f_ishift)) img_back = np.clip(img_back * 255.0, 0, 255).astype(np.uint8)先说fftshift。FFT 算出来的结果，零频也就是图像整体亮度对应的直流分量在左上角(0,0)；如果不移动，后面设计低通模板时就要把模板的圆心放在图像左上角，所有半径计算都得绕着原点转，非常容易错。fftshift做的事就是把四角的低频搬到中心。逆变换前必须先ifftshift把中心搬回去，否则出来的图会整体错位。
spectrum那行里的20 * log是可视化习惯，不是必须的算法步骤。FFT 结果动态范围极大，直流分量可能上万，高频分量只有个位数，直接显示只能看到中心一个白点；取对数后周围频率信息才看得见。+1e-6是为了防止取 log(0)。
img_float = img.astype(np.float32) / 255.0这步很多人跳过，直接用 uint8 参与 FFT。numpy 的 FFT 支持整型输入但会先转 float，不会报错；但你如果之后要做乘法滤波，结果可能溢出或者变成复数溢出。归一化到 [0,1] 还有一个好处：逆变换后范围稳定，方便和原始图像直接计算 PSNR 这类指标。
2.3 低通、高通、带阻模板设计：半径、阶数和图像尺寸是联动的一组参数
做频域滤波需要先构造一个和图像等大的滤波器 mask。下面以高斯低通为例，用网格距离生成模板：
rows, cols = img.shape crow, ccol = rows // 2, cols // 2 # 每个像素到频谱中心的距离 x = np.arange(cols) y = np.arange(rows) X, Y = np.meshgrid(x, y) D = np.sqrt((X - ccol) ** 2 + (Y - crow) ** 2) # 高斯低通：截止半径 D0=30 D0 = 30.0 H_lp = np.exp(- (D ** 2) / (2 * D0 ** 2)) # 高斯高通：1 - 低通 H_hp = 1.0 - H_lp # 带阻：抑制以 30 为圆心、宽度 5 的频带 sigma_notch = 5.0 H_br = 1.0 - np.exp(- ((D - 30.0) ** 2) / (2 * sigma_notch ** 2)) # 应用低通并逆变换 filtered = f_shift * H_lp filtered_img = np.real(np.fft.ifft2(np.fft.ifftshift(filtered))) filtered_img = np.clip(filtered_img * 255.0, 0, 255).astype(np.uint8)高斯低通的截止半径 D0 不是“越大越清晰”这种线性关系。它的物理含义是频率轴上衰减到 e^{-1/2} 约 0.607 的位置；D0 越小，保留的低频越少，图像越糊。如果你处理的图尺寸是 512×512，D0 选 30 相当于保留整幅频谱半径 11.7% 范围内的能量；如果换到 1024×1024，同样的 D0 只占了 5.8%，平滑程度会翻倍变强。所以跨分辨率复用参数时，要按“D0 / min(rows, cols)”的比值来迁移。
H_hp = 1 - H_lp这种取法是高通滤波最省事的做法，但它会把直流也去掉，输出图均值接近 0，通常需要再加回原图或者保留一点低频。带阻模板里(D - 30)表示频率偏离中心 30 的距离，sigma_notch控制抑制带宽；这个参数对周期性条纹噪声特别好用，找到频谱里亮的孤立点坐标，把模板的圆心放在那儿就行。
常见做法是把理想低通、高斯和巴特沃斯三选一。理想低通在频域直接一刀切，代码只有一行mask = D <= D0，但逆变换回来的图像边缘会有明显的振铃。巴特沃斯需要指定阶数 n，过渡带比高斯更平，数学式是1 / (1 + (D / D0) ** (2 * n))；工程上先用高斯，效果不好再换巴特沃斯。
2.4 频域滤波的 3 个必调参数：截止半径、过渡带宽、图像尺寸
| 参数 | 影响 | 常见范围 |
|---|---|---|
| 截止半径 D0 | 半径越小，平滑越强；高通时保留细节越少 | 低频滤波 20~60，高频滤波 10~40（512×512 下） |
| 过渡带宽（sigma 或阶数） | 带宽太窄会产生振铃，太宽会过渡不干净 | 高斯用 sigma 5~15；巴特沃斯阶数 2~4 |
| 图像尺寸 | 相同 D0 在不同分辨率下等价于不同物理频率 | 跨分辨率按比例伸缩：D0_new = D0_old * new_size / old_size |
真正调试时，先用极小 D0 看频谱变化方向对不对，再逐步放大，每步记录一张输出图。不要一上来就凭经验填 30，尤其是打印字符识别、工业缺陷检测这类看重纹理细节的场景，D0 从 30 改成 60 可能让细划痕直接消失。
3. 边缘检测的完整链路：Sobel、Laplacian、Canny 参数怎么落到同一张图上
3.1 三种算子的选型边界：Sobel 看方向，Laplacian 看各向同性，Canny 看连通性
先看三种算子各自解决什么问题。Sobel 本质是一阶导数，输出的是梯度矢量的 x、y 两个分量，所以你能从gx和gy算出边缘方向角，适合做带方向的边缘或角点检测前置。Laplacian 是二阶导数，对各个方向同样敏感，数学上没有方向偏好，适合检测细线和孤立亮斑，但二阶差分对噪声放大得厉害，直接用容易把整张图变成雪花屏。Canny 不是简单算子，它是“高斯平滑 + Sobel/其他梯度 + 非极大值抑制 + 双阈值 + 滞后连接”的完整流程，输出是单像素、闭合或至少连续的骨架边缘。实际项目里，产品轮廓测量会用 Canny，车道线这类带方向的会先用 Sobel 求方向再设置 Canny 的梯度方向限制，医学影像里的细小黑素病变则经常用 Laplacian 加形态学处理。选型的顺序，我认为先看你要“方向”还是“闭合轮廓”，再看噪声程度。
| 算子 | 梯度 | 对噪声 | 输出 | 典型用途 |
|---|---|---|---|---|
| Sobel | 一阶，可分离方向 | 中等敏感 | 强度渐变图 | 边缘方向、梯度幅值 |
| Laplacian | 二阶，各向同性 | 很敏感 | 零交叉细线 | 细线、失焦检测 |
| Canny | 多阶复合 | 低敏感（先平滑） | 二值单像素 | 轮廓提取、尺寸测量 |
3.2 Canny 高低阈值怎么定：先把梯度直方图打印出来
Canny 最常见的翻车方式是把高低阈值写成固定值，例如low=50, high=120。这个组合对某一张图有效，换一张照明不同的图就全是断线或全是噪声。正确顺序应该先看梯度分布：
import cv2 import numpy as np gray = cv2.imread('edge_demo.png', cv2.IMREAD_GRAYSCALE) blur = cv2.GaussianBlur(gray, (5, 5), 1.0) # 用 Sobel 计算梯度幅值 gx = cv2.Sobel(blur, cv2.CV_64F, 1, 0, ksize=3) gy = cv2.Sobel(blur, cv2.CV_64F, 0, 1, ksize=3) mag = np.sqrt(gx**2 + gy**2) mag_norm = (mag / mag.max() * 255).astype(np.uint8) # 打印梯度直方图的累计分布，取 98% 分位作为高阈值 hist = np.histogram(mag_norm, bins=256, range=(0, 255))[0] cum = np.cumsum(hist) / mag_norm.size high = int(np.searchsorted(cum, 0.98)) low = int(high * 0.4) # 常规滞后比例 edges = cv2.Canny(blur, low, high)高阈值决定哪些像素强到确定是边缘。取累计分布的 98% 分位，表示只有 2% 的像素有机会成为强边缘；如果一幅图里目标区域很小，这个 percentile 可以提高到 99%。low通常取high * 0.3 ~ 0.5，逻辑是梯度低于 low 的彻底丢弃，介于 low 和 high 之间且与强边缘连通的才保留。调参顺序是：先固定 GaussianBlur 的(5,5), 1.0，再调 high，最后调 low；每次调完看一眼边缘密度，不要同时动三个数。
OpenCV 的 Canny 内部实际上默认用 Sobel 计算带符号梯度，刚才得到的mag_norm和 Canny 内部的梯度幅值不完全一致，但用梯度直方图来估算高阈值仍然是一个可靠的可落地做法。若图像亮度范围波动大，可以在 Canny 里加L2gradient=True，用欧几里得范数代替 L1，边缘会更稳一点，代价是计算量略增。
3.3 边缘检测的下半场：闭运算、骨架化和轮廓坐标提取
Canny 输出经常存在两个问题：边缘断成小段，或者一条轮廓占两三个像素宽。直接找轮廓会导致长度计算偏大、质心位置波动。常见做法是先做一次闭运算：
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) edges_closed = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel, iterations=1) # opencv-contrib 提供细化函数，将 2~3 像素宽的边缘收敛到 1 像素 skeleton = cv2.ximgproc.thinning(edges_closed) # 提取轮廓点坐标 contours, _ = cv2.findContours(skeleton, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)闭运算里用椭圆形核对斜向边缘的桥接效果比矩形核好。iterations不建议超过 2，否则边缘粘连成块。ximgproc.thinning需要安装opencv-contrib-python；如果环境不允许，就用cv2.erode(skeleton, kernel)迭代腐蚀到不能再腐蚀，效果接近但会引入毛刺。提取轮廓后用cv2.arcLength和cv2.contourArea做定量测量时，一定用骨架化后的结果，否则同一段边缘长度会差 20% 以上。
到了这一步，图像处理里的 Pixel 操作已经进入特征表达阶段，后面的分类、识别都依赖这一层的质量。
4. 去噪与图像复原：退化模型、滤波器选型与一个容易翻车的伪逆滤波
4.1 高斯、椒盐、泊松噪声：用什么算法，取决于噪声模型而不是个人喜好
去噪算法没有绝对的优劣，只有和噪声模型匹配不匹配。高斯噪声是每个像素叠加一个独立正态随机量，用线性滤波能有效抑制。椒盐噪声是随机出现全白或全黑的极值，线性滤波会把白点扩散成一个亮斑，必须用中值滤波。泊松噪声常见于低照度图像和荧光显微图，其方差等于信号强度，单纯高斯滤波会把弱信号一并抹平，通常要先用小波或局部方差估计再做衰减。
实操里可以用“平地区域方差法”快速判断：选图像中一块没有纹理的平面区域，比如天空或桌面，统计它的方差roi.var()；再统计整幅图方差。如果两者接近，噪声大概率是高斯类；如果整图方差远大于平滑区方差且直方图双峰明显，说明信号与噪声叠加，可能包含椒盐或结构噪声。这个判断方法不严谨但很好用，任何负责图像落地的工程师都会在预处理前先看 3 秒直方图。
4.2 三种去噪算法的可抄参数：高斯模糊、中值滤波与非局部均值
拿到噪声模型后，去噪代码可以很成熟。下面给三种常用方法的最小调用及推荐参数：
gauss = cv2.GaussianBlur(img, (5, 5), 1.0) median = cv2.medianBlur(img, 5) nlm = cv2.fastNlMeansDenoising(img, None, h=10, templateWindowSize=7, searchWindowSize=21)高斯模糊的核宽和 sigma 属性等价，(5,5), 1.0适合大多数 8 位图实验；核宽超过 9 后边缘细节损失明显，如果去噪后要做边缘检测，优先调小 sigma 而不是调大核。中值滤波的ksize必须是大于等于 3 的奇数，5 表示取 5×5 邻域中值；对椒盐噪声，5 已经能去掉大部分极值，再大会让角和交叉点变形。fastNlMeansDenoising的h是滤波强度，等价于亮度域的标准差，值越大越平滑，一般先给 10；templateWindowSize是匹配小块的大小，7 默认够用，改大会让细节更糊；searchWindowSize是搜索范围，21 意味着在 21×21 范围内找相似块，范围越大计算越慢，但去噪也更稳。
另一个高频场景是实时视频流。高斯和中值滤波够快，NLM 在 1080p 上跑不动，所以实时性要求高且存在轻度高斯噪声时，我会用cv2.bilateralFilter(img, d=5, sigmaColor=30, sigmaSpace=5)做保边去噪。sigmaColor决定颜色差异多大算边界，30 是常用起点；sigmaSpace是空间尺度，5。这两个参数按需微调，不要同时加两倍。
4.3 运动模糊复原：逆滤波为何翻车，维纳滤波的 NSR 怎么给
图像复原这一节 PPT 上最常出现的公式是G = H * F + N，然后给出逆滤波F_est = G / H。别直接照做，因为 H 的频谱有大量接近 0 的分量，相除会得到天文数字，一张正常图会被处理成满屏噪点。落地时用维纳滤波兜底：
def motion_psf(shape, length=15, angle=30): psf = np.zeros(shape, dtype=np.float32) center = (shape[0] // 2, shape[1] // 2) cos_a = np.cos(np.radians(angle)) sin_a = np.sin(np.radians(angle)) cv2.line(psf, (int(center[1] - length / 2 * cos_a), int(center[0] - length / 2 * sin_a)), (int(center[1] + length / 2 * cos_a), int(center[0] + length / 2 * sin_a)), 1, thickness=1) psf /= psf.sum() return psf psf = motion_psf(img.shape, length=15, angle=30) H = np.fft.fft2(psf) # 观测图像：频域退化 + 高斯噪声 G = np.fft.fft2(img.astype(np.float32)) * H G_noisy = G + np.fft.fft2(np.random.normal(0, 5, img.shape).astype(np.float32)) # 维纳滤波：NSR 表示噪声和信号的功率谱比 H_conj = np.conj(H) NSR = 0.01 F_est = np.fft.ifft2(G_noisy * H_conj / (np.abs(H) ** 2 + NSR)) restored = np.clip(np.real(F_est), 0, 255).astype(np.uint8)motion_psf生成一个单像素宽、角度 30°、长度 15 的均匀运动模糊核，并且把核放在图中心，保证 FFT 后的相位与真实退化近似。实际相机模糊核未必是均匀直线，可能是圆弧或带权重的拖影，但先拿这个逼真场景练手足够。NSR是最关键的正则项：噪声小可以给 0.001，噪声大给 0.1；给大了会看到图像明显变糊，给少了噪点又回来。你可以在 0.001、0.01、0.1 三档之间对比，选 PSNR 最高的一档。没有参考图时，选人眼看起来不过度锐化、背景不呈颗粒状那一档即可。维纳滤波假设噪声平稳且与信号不相关，实际图像不完全符合，所以它只是“比逆滤波稳”，不是万能。
5. 图像处理避坑与常见问题排查：五条高频翻车记录
5.1 频谱图中心没移到中心，低通滤波却把低频滤掉了
现象：设计了一个圆形低通模板，结果图像反而变模糊到边缘消失，且输出似乎是以四角为对称中心的。原因：没有执行fftshift，零频还留在(0,0)，模板圆心放在(rows/2, cols/2)对应的是高频位置，低频被直接滤除。解决：在构造D坐标网格之前统一对 FFT 结果做fftshift；逆变换前用ifftshift移回。检查方法很直接，先看频谱图，最大值应该在屏幕中心。
5.2 Canny 高低阈值用固定经验值，换一张图就全是断线
现象：某一批图调好low=50, high=120，换到夜晚或强光场景，边缘要么只有几根线，要么全是碎点。原因：阈值和梯度幅值的统计分布强相关，而不同光照、不同物体表面反射会让梯度幅值整体漂移。解决：不要写死阈值，先算梯度直方图的高分位点；每次处理前自动取cumsum == 0.98分位作 high，low = high * 0.4。这个方法在大多数常规图上都能用。光照极差的场景，还需要先做直方图均衡化再进 Canny。
5.3 保存成 JPEG 反复压缩，边缘检测出现整块假边缘
现象：一张 PNG 原图边缘干净，转存 JPEG 再压缩两次后，Canny 结果里出现很多 8×8 或 16×16 的矩形块。原因：JPEG 的 DCT 分块会导致块边界亮度跳变，这些跳变量恰好满足边缘阈值。解决：一切做特征提取前，中间结果用 PNG 或 BMP 保存；如果已经拿到 JPEG，先用cv2.medianBlur加一个小核把块边界压一压，再去定 Canny 阈值。
5.4 逆滤波出现密集振铃，不是算法问题而是噪声没先估计
现象：运动模糊图直接做F = G / H，得到图全是亮暗相间的条纹，边缘处尤其明显。原因：H 的高频近零值放大噪声，逆滤波对噪声没有约束，振铃必然出现。解决：换成维纳滤波，设一个尽量小但非零的 NSR；同时注意 PSF 的尺寸必须与图像一致，否则频域相乘会引入截断效应。之前有过一次血泪经验：PSF 用 30×30 而不是整图尺寸，结果每块区域都有独立振铃，花了不少时间才发现是核尺寸不匹配。
5.5 彩色图直接做灰度算子，三通道边缘互相干扰
现象：BGR 彩色图直接转灰度后做 Canny，发现某些目标内部纹理变成强边缘，而真实物体边界反而变弱。原因：灰度化是线性加权组合，如果前景和背景的 R、G、B 比例相似但亮度差异不大，灰度图会丢失颜色边界信息。解决：先判断是否需要颜色分割。若必须做边缘，可以在 Lab 空间对 L 通道使用亮度边缘；若目标是颜色差异，对 ab 通道分别做边缘再取并集。OpenCV 里转换用cv2.cvtColor(img, cv2.COLOR_BGR2Lab)即可，不要继续在灰度图上硬切。
6. 把参数固化成 JSON：一套可回滚、可验证的图像处理配置习惯
做图像处理最忌讳“这次调成功了，下次复现不了”。频域滤波的 D0、Canny 的阈值、维纳滤波的 NSR，单独看都是数字，组合在一起才是完整的算法版本。我现在的做法是：把所有这类参数写进一个 JSON 配置，代码只读配置跑，不做一次性硬编码。
{ "denoise": {"method": "nlm", "h": 10}, "edge": {"high_percentile": 0.98, "low_ratio": 0.4}, "restore": {"nsr": 0.01, "kernel_length": 15, "kernel_angle": 30}, "save_ext": "png" }跑完每组配置，顺手把处理结果和原图做量化比较。PSNR 和 SSIM 是最基础的两个指标，代码量很小：
import numpy as np def psnr(original, restored, peak=255.0): mse = np.mean((original.astype(np.float32) - restored.astype(np.float32)) ** 2) if mse == 0: return float('inf') return 10 * np.log10(peak * peak / mse) def ssim(a, b): from skimage.metrics import structural_similarity return structural_similarity(a, b)这两个函数只适合“有参考图”的情况，比如评估复原效果。真实项目里没有参考图时，更实用的验证方式是把边缘图骨架化后统计轮廓数量、平均长度，或者用同一组模板匹配不同参数的结果。记录也不用复杂，每跑一次存一个带配置名的输出文件夹，文件名里写D0_30_nsr_001，几个月后再回来也知道当时的意图。
这套配置化习惯帮我省掉了大量重复劳动。以前调一个边缘检测参数要重跑整段算法，现在我改 JSON 后批量跑 5 组，再用指标挑一组，整个过程不超过十分钟。做图像处理越久越会发现，真正决定项目优劣的往往不是哪个新模型，而是你能不能把“参数为什么取这个值”讲清楚，并且让结果可以在另一台机器上复现。希望这个配置化习惯也能帮到你。
本文还有配套的精品资源，点击获取
