- 1、本文档共30页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
第六章
Chapter6EdgeAnalysis;边缘是不同区域的分界线,指图像局部灰度显著变化的部分.BoundaryorEdge
图像灰度的不连续可分为:
(1)阶跃不连续:图像灰度在不连续处两边有显著差异;
(2)线条不连续:图像灰度突然从一个值变化到另一个值,保持一较小行程后又回到原来的值.;轮廓是物体在场景中的完整边界.
边缘的连接构成轮廓.;边缘点:在灰度显著变化的位置上的点
边缘检测(detection):获得边缘点
边缘跟踪(tracking):串行边缘搜索
边缘连接(linking):从无序到有序
Snake图像分割;两种常见的边缘一阶导数和二阶导数示意图;基本思想:
函数导数反映图像灰度变化的显著程度.
一阶导数的局部极大值,二阶导数的过零点
一般过程:
去噪增强检测定位;6.2.1基于一阶导数的边缘检测;6.2.1基于一阶导数的边缘检测;差分:;(1)Roberts交叉算子;均值差分:一定邻域内灰度平均值之差;(2)Sobel算子;Canny边缘检测器;步3.计算梯度幅值与方向角:;步4.非极大值抑制(NMS):
去掉幅值局部变化非极大的点.
*将梯度角离散为圆周的四个扇区之一,以便用3×3的窗口
作抑制运算;步5.阈值化
取高低两个阈值作用于幅值图N[i,j],得到两个边缘图:高阈值和低阈值边缘图。连接高阈值边缘图,出现断点时,在低阈值边缘图中的8邻点域搜寻边缘点。
Why?
*阈值太低?假边缘;
*阈值太高?部分轮廊丢失.
*选用两个阈值:更有效的阈值方案.;7X7高斯滤波模板;6.2.2基于二阶导数的边缘检测;拉普拉斯(Laplacian)算子;表示为卷积模板:;LoG边缘检测算法;LoG运算:;5X5拉普拉斯高斯模板;LoG边缘检测结果;6.2.3基于函数逼近的边缘检测;小面模型(facetmodel);小面模型(facetmodel);小面模型边缘检测器;获得子像素级的边缘估计精度
计算方法:
(1)线性内插
(2)矩保持
(3)利用边缘切线方向信息(形状已知)
(4)利用边缘法线方向信息(统计方法);假设梯度幅值沿梯度方向呈正态分布
文档评论(0)