CV04-基元检测讲解.pptVIP

* I(i,j)表示图像。通过高斯平滑函数滤波后得到一个已平滑的数据阵列S（i,j），平滑后数据阵列S[i,j]的梯度可以使用2×2一阶有限差分近似式来计算i和j偏导数的两个阵列P[I,j]和Q[I,j] * 首先将梯度角的变换范围减小到圆周的4个扇区之一。 * 首先用高斯滤波器平滑图像（图6.17(b)）和高斯滤波器平滑图像（图6.17(d)）．对较小尺度滤波器，非极大值抑制梯度幅值算法可以在边缘处检测出极其细腻的细节，但噪声和细纹理会导致过量的不希望的边缘段．对大尺度滤波器，只产生很少数量的不希望的边缘段，但丢失了边缘的大部分细节．这表明边缘定位和抗噪声之间需要一种折衷． * 前两条判据涉及边缘检测器算法的性能．中间两条判据涉及边缘定位、方位估计算法的性能．最后一条判据关心的是边缘算法偏离理想模型的误差范围． * * xy平面上的任意一条直线y = ax + b ，对应在参数ab平面上都有一个点； 过xy平面一个点(x,y)的所有直线，构成参数ab平面上的一条直线。 在参数ab平面上相交直线最多的点，对应的xy平面上的直线就是我们的解 * 参数平面为?,? ，对应不是直线而是正弦曲线； 使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点； 然后找出该点对应的xy平面的直线线段。 * Hough变换可以进行推广，成为广义的hough变换，可以用来拟合任一曲线。