【正文】 照射 ， 從而引起邊緣點兩側(cè)灰度值有較大的差異 。 以一維信號為例 ， 圖 78（ a） 是一種階躍信號 ， 我們當(dāng)然認(rèn)為 A點處為邊緣點 。 在圖 78（ c） 和 78（ d） 中 ， 如果臺階比較窄 ， 即可以認(rèn)為 B點為邊緣點 ， 也可以認(rèn)為該信號有兩個邊緣點A與 C。 它把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來 ， 先平滑掉噪聲 ， 再進行邊緣檢測 ， 所以效果更好 。 在圖像邊緣檢測中 ， 還有 Wallis算子 、 過零點檢測 （ MarrHildreth算子 ） 、 Canny邊緣檢測方法 、 SUSAN （ Smallest Univalue Segment Assimilating Nucleus） 邊緣檢測等 。 輪廓跟蹤就是通過順序找出邊緣點來跟蹤邊界的 。 第七章 圖像分割與邊緣檢測 步驟 1： 首先按從上到下 , 從左到右的順序掃描圖像 ， 尋找沒有標(biāo)記跟蹤結(jié)束記號的第一個邊界起始點 A0， A0是具有最小行和列值的邊界點 。 第七章 圖像分割與邊緣檢測 圖 712 方向變量的初始化 123024603 175( a ) ( b )第七章 圖像分割與邊緣檢測 步驟 2： 按逆時針方向搜索當(dāng)前像素的 3 3鄰域 ， 其起始搜索方向設(shè)定如下： (1)對 4連通區(qū)域取 (dir + 3)mod 4， 如圖 713(a)所示； (2)對 8連通區(qū)域 ， 若 dir為偶數(shù)取 (dir + 6)mod 8， 如圖 713(b)所示； 若 dir為奇數(shù)取 (dir + 7)mod 8， 如圖 713(c)所示 。 步驟 3：如果 An等于第二個邊界點 A1且前一個邊界點 An1等于第一個邊界點 A0， 則停止搜索 ， 結(jié)束跟蹤 ， 否則重復(fù)步驟 2繼續(xù)搜索 。 算法中步驟 1中所采用的準(zhǔn)則稱為 “ 探測準(zhǔn)則 ” ， 其作用是找出第一個邊界點；步驟 3中所采用的準(zhǔn)則稱為 “ 跟蹤準(zhǔn)則 ” ，其作用是找出所有邊界點 。 對圖像中所有像素點執(zhí)行該操作便可完成圖像輪廓的提取 。 模板匹配常用的一種測度為模板與原圖像對應(yīng)區(qū)域的誤差平方和 。 DST(x, y)稱為 模板與原圖像對應(yīng)區(qū)域的互相關(guān) ， 它隨像素位置 (x, y)的變化而變化 ， 當(dāng)模板 t(j, k)和原圖像中對應(yīng)區(qū)域相匹配時取得最大值 。 顯然 ， 用式 (78)計算誤差平方和測度可以減少計算量 。 但假設(shè) DS(x,y)為常數(shù)會產(chǎn)生誤差 ， 嚴(yán)重時將無法正確地完成匹配 ， 因此可用歸一化互相關(guān)作為誤差平方和測度 ， 其定義為 ?????????????????????????10210102101010)],([)],([),(),(),(KkJjKkJjKkJjkjtkyjxfkyjxfkjtyxR(79) 第七章 圖像分割與邊緣檢測 圖 715給出了模板匹配的示意圖 ， 其中假設(shè)原圖像 f(x,y)和模板圖像 t(k,l)的原點都在左上角 。 當(dāng) x和 y變化時 ， t(j,k)在原圖像區(qū)域中移動并得出 R(x,y)所有值 。 第七章 圖像分割與邊緣檢測 圖 715 模板匹配示意圖 Oyiyi＋ kixi＋ jixijikikJKjNMyx第七章 圖像分割與邊緣檢測 用歸一化互相關(guān)求匹配的計算工作量非常大 ， 因為模板要在(M－ J＋ 1) (N－ K＋ 1)個參考位置上做相關(guān)計算 ， 其中 ， 除最佳匹配點外 ， 其余做的都是無效運算 ， 所以有必要對其進行改進 ， 以提高運算速度 。 模板匹配的主要局限性在于它只能進行平行移動 ， 如原圖像中要匹配的目標(biāo)發(fā)生旋轉(zhuǎn)或大小變化 ， 該算法無效 。 第七章 圖像分割與邊緣檢測 模板匹配程序的核心代碼如下： //**************************************** //函數(shù)名稱： BOOL TemplateMatch() //基本功能： 本函數(shù)對傳入的 CDibObject //參數(shù)說明： CDibObject *pTemplate // CDibObject *pDibObject //返回值： BOOL 成功時返回 TRUE， 失敗時返回 FALSE // //**************************************** BOOL CAreaPro:: TemplateMatch(CDibObject *pTemplate, CDibObject *pDibObject) { 第七章 圖像分割與邊緣檢測 //其他變量定義、 // int i, j, m, n。 double dSigmaS。 // double R。 // int nMaxWidth, nMaxHeight。 // for (n = 0。 n++) { for(m = 0。 m++) { pTemplateTemp = pTempBits + nTempWidthBytes * n + m。 dSigmaT += (double)templatepixel * templatepixel。 for (j = 0。 j++) { for(i = 0。 i++) { dSigmaST = 0。 // for (n = 0。 n++) { for(m = 0。 m++) { 第七章 圖像分割與邊緣檢測 pOldTemp = pOldBits + nWidthBytes * (j + n) + (i + m)。 pixel = *pOldTemp。 dSigmaS += (double)pixel * pixel。 } } // R = dSigmaST / ( sqrt(dSigmaS) * sqrt(dSigmaT))。 nMaxWidth = i。 } } } // for (n = 0。 n++) { 第七章 圖像分割與邊緣檢測 for(m = 0。 m++) { pTemplateTemp = pTempBits + nTempWidthBytes * n + m。 *pNewTemp = *pTemplateTemp。 } … 第七章 圖像分割與邊緣檢測 顏色是描述圖像內(nèi)容的一個重要特征 。 常用的顏色空間有 R、 G、 B和 H、 S、 I。 為利用圖像的顏色特征描述圖像 ， 可借助圖像特征的統(tǒng)計直方圖 ， 這便是直方圖匹配 。 此時查詢圖像 Q和數(shù)據(jù)庫圖像 D之間的匹配值為 ? ???? 2,2 )()(),( DQBGRDQ ffDQd ??(712) 第七章 圖像分割與邊緣檢測 3. 中心矩法 對直方圖來說 ， 均值為 0階矩 ， 更高階的矩也可使用 。 第七章 圖像分割與邊緣檢測 4. 參考顏色法 歐幾里得距離法太粗糙 ， 直方圖相交法計算量太大 ， 一種折衷的方法是將圖像顏色用一組參考色表示 ， 這組參考色應(yīng)能覆蓋視覺上可感受到的各種顏色 。 加權(quán)后的查詢圖像 Q和數(shù)據(jù)庫圖像 D之間的匹配值為 ????NiiDiQi rrWDQd12)(),( (715) 第七章 圖像分割與邊緣檢測 式中：