计算机视觉 (4)（最新文档）.pptVIP

4-*第4章计算机视觉教程章毓晋第4章 基元检测 4.1 边缘检测 4.2 SUSAN算子 4.3 哈里斯兴趣点算子 4.4 哈夫变换 4.5 椭圆定位和检测 4.6 位置直方图技术4.1 边缘检测 4.1.1 检测原理 4.1.2 一阶导数算子 4.1.3 二阶导数算子 4.1.4 边界闭合 4.1.5 边界细化4.1.1 检测原理①阶梯状边缘，②脉冲状边缘，③屋顶状边缘4.1.2 一阶导数算子 一阶微分算子给出梯度，所以也称梯度算子它分别计算沿X和Y方向的两个偏导分量罗伯特交叉算子，蒲瑞维特算子，索贝尔算子4.1.2 一阶导数算子 4.1.3 二阶导数算子 1.拉普拉斯算子 模板的基本要求是对应中心像素的系数应是正的，而对应中心像素邻近像素的系数应是负的，且所有系数的总和应该是零4.1.3 二阶导数算子 2.马尔算子 在每个分辨率上进行如下计算 (1)用一个2-D的高斯平滑模板与原图像卷积 (2)计算卷积后图像的拉普拉斯值 (3)检测拉普拉斯图像中的过零点作为边缘点 高斯加权平滑函数4.1.3 二阶导数算子 3.坎尼算子(1)信噪比准则 (2)定位精度准则(3)单边缘响应准则4.1.4 边界闭合 边缘像素连接的基础是它们之间有相似性 ①梯度幅度 ②梯度方向4.1.5 边界细化 1.用模板进行非最大消除 将梯度值不是最大值的像素除去 一般考虑4种梯度方向，即水平、垂直、左对角和右对角。所以设计4个模板：4.1.5 边界细化 2.用插值进行非最大消除 通过对相邻单元的梯度幅度的插值来在当前位置的周围估计梯度的幅度 结果比用模板检测进行非最大消除得到的结果要精确，但所需要的计算量也要大些板：4.2 SUSAN算子 4.2.1 USAN原理 4.2.2 角点和边缘检测 4.2.1 USAN原理 核同值区域（uni-valuesegmentassimilatingnucleus，USAN），即与核有相同值的区域，可简称为核同值区4.2.2 角点和边缘检测 1.角点检测 圆形模板 将模板内每个像素的灰度值与核的灰度值进行比较4.2.2 角点和边缘检测 1.角点检测 输出的游程和 边缘响应R(x0,y0) 将游程和S与一个固定的几何阈值G进行比较4.2.2 角点和边缘检测 1.角点检测 更稳定的计算C(.;.)的公式4.2.2 角点和边缘检测 2.边缘方向检测 边缘分两类 区域A和B都对应边缘都通过USAN区域的重心4.2.2 角点和边缘检测 3.SUSAN算子的特点 进行检测时不需要计算微分，这可帮助解释为什么在有噪声时SUSAN算子的性能会较好 对边缘的响应将随着边缘的平滑或模糊而增强 SUSAN检测算子能提供不依赖于模板尺寸的边缘精度 控制参数的选择很简单，且任意性较小4.3 哈里斯兴趣点算子 哈里斯矩阵1.角点检测4.3 哈里斯兴趣点算子2.交叉点和T型交点检测 T型交点涉及到三个有不同灰度的区域4.4 哈夫变换 4.4.1 基本哈夫变换原理 4.4.2 广义哈夫变换原理 4.4.3 完整广义哈夫变换4.4.1 基本哈夫变换原理 点–线对偶性 (1)对参数空间中参数p和q的可能取值范围进行量化，根据量化结果构造一个累加数组A(pmin:pmax,qmin:qmax)，并初始化为零 (2)对每个XY空间中的给定点让p取遍所有可能值，用式(5.3.2)计算出q，根据p和q的值累加A，即A(p,q)=A(p,q)+1。 (3)根据累加后A中最大值所对应的p和q，由式(5.3.1)确定出XY中的一条直线4-*第4章计算机视觉教程章毓晋