公司备案 网站主办者名称,东莞阳光网英语口语大赛官网,领导高度重视网站建设,网站怎么谈设计一、边缘
1.1 边缘的类型 ①实体上的边缘 ②深度上的边缘 ③符号的边缘 ④阴影产生的边缘
不同任务关注的边缘不一样
1.2 提取边缘 突变-求导#xff08;求导也是一种卷积#xff09; 近似#xff0c;1#xff08;右边的一个值-自己可以用卷积做#xff09; 该点f(x,y)… 一、边缘
1.1 边缘的类型 ①实体上的边缘 ②深度上的边缘 ③符号的边缘 ④阴影产生的边缘
不同任务关注的边缘不一样
1.2 提取边缘 突变-求导求导也是一种卷积 近似1右边的一个值-自己可以用卷积做 该点f(x,y)在x方向上的导数为f(x1,y)*1 f(x,y)*(-1)也就是f(x,y)*g(x,y)在卷积区域内求和卷积区域为1*2-1与1对应的是g(x,y)。 对x求导是y方向左右差异比较大的 对y求导是x方向上下差异比较大的
eg-1、1与原图卷积就是出现左下方的图右减左 1.3 图像的梯度 梯度方向与边边缘垂直 梯度指向信号方向大的地方 梯度值越大说明这个点是边缘的可能性就越大 eg: Prewitt自己左边的值与右边的值相减衡量自己是不是边缘值
Sobel先平滑高斯滤波再边缘提取对噪声敏感程度更低
Roberts是检测135度的线是检测45度的线
检测模版与线的方向是垂直的 1.4 噪声的影响 现实中信号有噪声求导后找不到梯度的极大值和极小值 先用高斯核与原图像卷积进行滤波去噪再求导就能找到极值点了费时 改进利用卷积的交换律和结合律先算高斯核的导数再算与原图像的卷积高斯偏导模版 高斯偏导模版越黑越负 x方向求偏导衡量y方向差异 y方向求偏导衡量x方向差异 1.5 高斯核的参数 用高斯偏导核卷积图像就可以得到去噪后的边缘图像 像素代表方差方差越大平滑能力越强 给出标准差就能生成高斯模版高斯模版只需要σ和窗宽两个量就可以计算出而窗宽2σ1 1.6 回顾 高斯平滑核和高斯偏导核
高斯平滑核用来做平滑的不会有负数权值和等于1
高斯偏导核用来提取边缘信息会有负数权值和等于0 二、Canny算法
2.1 Canny算法 用x方向的卷积模版计算一次再用y方向的卷积模版计算一次求和 一个阈值减小宽度 2.2 非极大值抑制 减小线条宽度 计算梯度大小剔除掉梯度小的点选择合适的边缘点 抑制后图像 2.3 双门限法
下巴边没有了怎么办 双门限
高门限检测出边缘边
低门限排除噪声把有连接的找出来 2.4 算法步骤
1、高斯偏导考虑到噪声滤波器先对图像进行x、y方向滤波
2、衡量每个点的梯度强度梯度方向看有没有比它还大的
3、非最大化抑制宽边变成细边
4、定义两个门限
