計算機(jī)視覺0842邊緣以及邊特征提取(編輯修改稿)
2025-05-27 06:41 本頁面
【文章內(nèi)容簡介】 高斯一拉普拉斯算子（ LOG） 以 LOG算子為卷積核，對原灰度函數(shù)進(jìn)行卷積運算后提取零交叉點為邊緣 )],(*),([),( 2 yxgyxfyxG ??LoG邊緣檢測算法 基本特征： ? 平滑濾波器是高斯濾波器． ? 采用拉普拉斯算子計算二階導(dǎo)數(shù) ． ? 邊緣檢測判據(jù)是二階導(dǎo)數(shù)零交叉點并對應(yīng)一階導(dǎo)數(shù)的較大峰值． ? 使用線性內(nèi)插方法在子像素分辨率水平上估計邊緣的位置． （ Marr amp。 Hildreth） 墨西哥草帽算子： LoG邊緣檢測算法 5X5拉普拉斯高斯模板 Canny 邊緣檢測器 (1986,PAMI) 算法步驟： 1. 用高斯濾波器平滑圖像． 2. 用一階偏導(dǎo)有限差分計算梯度幅值和方向 . 3. 對梯度幅值進(jìn)行非極大值抑制 ． 4. 用雙閾值算法檢測和連接邊緣． 為什么用高斯濾波器？ 平滑去噪和邊緣檢測是一對矛盾，應(yīng)用高斯函數(shù)的一階導(dǎo)數(shù)，在二者之間獲得最佳的平衡。 2/])1,1[]1,[],1[],[(],[2/]),1[]1,1[],[]1,[(],[????????????????jiSjiSjiSjiSjiQjiSjiSjiSjiSjiP 步 3. 計算梯度幅值與方向角 : ? ? 22 ],[],[, jiQjiPjiM ??)],[/],[(a r c t a n],[ jiPjiQji ??],[]。,[],[ jiIjiGjiS ?? ?步 2. 使用一階有限差分計算偏導(dǎo)數(shù)陣列 P與 Q： 步 1. 圖像與高斯平滑濾波器卷積 : 步 4. 非極大值抑制 （ NMS ） ： 去掉幅值局部變化非極大的點． * 將梯度角離散為圓周的四個扇區(qū)之一，以便用 3 3的窗口 作抑制運算 * 方向角離散化： * 抑制，得到新幅值圖： j ] )[ i,S e c t o r (],[ ?? ?ji? ? )],[],[N M S(, jijiMjiN ??步 5. 閾值化 取高低兩個閾值作用于幅值圖 N[i,j]，得到兩個邊緣圖：高閾值和低閾值邊緣圖。連接高閾值邊緣圖，出現(xiàn)斷點時，在低閾值邊緣圖中的 8鄰點域搜尋邊緣點。 Why? * 閾值太低 ?假邊緣 。 * 閾值太高 ?部分輪廊丟失 . * 選用兩個閾值 : 更有效的閾值方案． Sobel 邊緣檢測算子比較結(jié)果 Roberts Prewitt Canny Laplacian of Gaussian Sobel Roberts Prewitt Canny Laplacian of Gaussian 原始圖像 邊緣提取只能在灰度空間下嗎 ? 三 . 基于邊緣檢測的邊界提取方法 利用 LOG算子 ,Canny邊緣檢測器等完成邊緣檢測 . 如果圖像中存在噪聲時，用算子得到的邊緣常常是孤立的或者非連續(xù)的 . 采用邊緣閉合的方法進(jìn)行處理，得到各個區(qū)域的邊界，實現(xiàn)圖像分
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1