微分濾波器ppt課件-文庫吧資料
2025-05-09 22:56本頁面
【正文】 stitute of Automation, Chinese Academy of Sciences 為什么要提取邊緣？ ? 邊緣是最基本的圖像特征之一： – 可以表達物體的特征 – 邊緣特征對于圖像的變化不敏感 ? 幾何變化，灰度變化，光照方向變化 – 可以為物體檢測提供有用的信息 – 是一種典型的圖像預處理過程 原始圖像 輸出結果 模式識別 預處理 特征提取 模式識別國家重點實驗室 中國科學院自動化研究所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 如何提取邊緣？（灰度圖象） ? 灰度圖象邊緣提取，主要的思想： – 抑制噪聲（低通濾波、平滑、去噪、模糊） – 邊緣特征增強（高通濾波、銳化） – 邊緣定位 原始圖像 中間結果 圖像邊緣 抑制噪聲 增強邊緣 邊緣定位 模式識別國家重點實驗室 中國科學院自動化研究所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 圖像微分算子 ? 一階微分算子（梯度算子） Prewitt, Sobel – 檢測最大值 ? 二階微分算子（ Laplacian） – 檢測過零點 模式識別國家重點實驗室 中國科學院自動化研究所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 微分算子檢測邊緣：一維信號 一階導數的極大值點： 二階導數的過零點： 注意：僅僅等于 0不夠，常數函數 也為 0，必須存在符號改變 模式識別國家重點實驗室 中國科學院自動化研究所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 微分算子檢測邊緣：二維信號 一階導數的極大值點： 其中，圖像梯度向量： 梯度幅值表示邊緣的強弱 梯度方向代表灰度變化最快的方向 模式識別國家重點實驗室 中國科學院自動化研究所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 微分算子檢測邊緣：二維信號 二階導數的過零點： 拉普拉斯算子： 模式識別國家重點實驗室 中國科學院自動化研究所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 在數字圖像上計算梯度 ? 一維的情況 ： f(x) x1 x+1 對于離散的數字信號，可以使用差分近似 ： 相當于與如下模版進行卷積運算 ： 1 0 1 模式識別國家重點實驗室 中國科學院自動化研究所 National Laboratory of Pattern Recognition
教學課件相關推薦
鄂ICP備17016276號-1