工业机器视觉课程9轮廓表示解析.ppt

精确表示轮廓的影响因素： 用于轮廓建模的曲线形式； 曲线拟合算法的性能； 边缘位置估计的精确度。 定义： 边缘表是边缘点或边缘段的有序集合,轮廓的最简单表示形式。 轮廓是边缘表或用于表示边缘表的曲线。 边界是包围一个区域的封闭轮廓。 设Pi=(xi,yi)是边缘表中第i个边缘坐标． (1)k斜率是在边缘表相距k个边缘点的两个边缘点之间的（角）方向向量． (2)左k斜率是Pi指向Pi–k的方向， (3)右k斜率是Pi指向Pi+k方向． (4)k曲率是左右k斜率之差值。 数字曲线表示1－链码 定义： 链码是沿着轮廓记录边缘表的一种表示方法．链码规定了边缘表中每一个边缘点的轮廓方向，其中方向被量化为四个或八个方向中的一个． 算法7.1 一种有效的多线段拟合算法 对于正态分布的点集，最小二乘法可以得到最佳估计，但对于不服从正态分布的局外点很敏感。 Hough变换是基于表决原理的参数估计方法． 在图像处理领域，是一种重要的形状检测技术. 基本思想： 图像中每一点对参数组合进行表决，赢得多数票的参数组合为胜者（结果）． 以检测直线为例： 用傅立叶级数表示边缘，傅立叶级数的系数称为傅立叶描述子． 第一型边界条件: 三弯矩方程和三转角方程 三次样条是三次曲线的一个序列 样条中的每一个三次曲线称为样条段 连结样条段的边缘点称为结点． 7.3.1 三次样条曲线 三次样条具有足够的自由度来逼近边缘段位置和方向．我们知道，大多数边缘检测算法同时提供边缘方向（梯度角）和边缘位置估计．在直线段、圆弧段和圆锥曲线的拟合中，仅仅使用了边缘的位置信息． 7.3.2 B样条曲线 式中B0,B1,B2,B3为参数 的三次多项式． 如何确定上式四个多项式所对应的16个参数 ? B样条曲线是由结点引导的逐段多项式曲线，是一种平滑和内插技术．B样条与上述三次样条曲线不同，它不必通过结点，我们将这种结点称为引导结点． 已知引导结点序列为P0,P1,…,Pn，则三次B－样条多项式为： 7.3.2 B样条曲线 相邻曲线段Pi(t),Pi+1(t)端点以及一阶二阶导数必须连续的条件提供15个等式: 五个等式 五个等式 B样条曲线示意图 （a）直线 (b) 二次B样条曲线 （c）三次B样条曲线 通常，m次的样条包含在由m+1控制点确定的多边形内。 7．4 曲线回归逼近 直线段、圆弧段、圆锥曲线和三次样条拟合边缘点的方法属于一般回归问题，主要用于端点之间的曲线拟合．这些算法都假定边缘的位置可以精确计算，甚至可能使用子像素计算方法．这种回归算法没有使用端点之间的边缘点信息，因此曲线的拟合精度主要取决于端点的位置精度．本节讨论的曲线最佳逼近方法将使用所有边缘点信息． 一般曲线拟合问题是一个曲线的回归问题, 曲线用p个参数的隐函数表示： 在无噪声情况下，通过p次观测产生的p个方程来求解p个未知曲线参数．不幸的是在大多数场合，由于噪声的原因，这一直接方法不是很有效．实际的应用常常需要使用边缘表中所有信息来获取这些参数的最佳估计． 曲线预估问题就是指这种曲线模型拟合一个边缘点集 为观测值 例子：（直线） 全回归方法(最小二乘法) 对数据点与回归模型之间垂直距离平方和进行极小化. 最小二次回归方法在计算机视觉中主要用于曲线拟合．当误差服从正态分布时，最小二次方法是最合适的拟合方法． 鲁棒回归法 设Z是n个数据点的集合，将Z集合中任意m个点的坐标设置成任意值（局外点），构成一个含有m个任意点的集合Z’． 已知回归预估器: 由局外点引起的偏差： 设置溃点的基本思想是定量分析局外点的数量在数据点数量n中所占比例增加时对ε 值的影响程度．当增加到一定数量时， ε 无界，这就是溃点．当低于溃点时，回归估计器可以完全拒绝局外点，或使得局外点对预估结果影响很小．当高于溃点时，局外点可以驱使预估器产生任意的解案，答案将取决于局外点而不是合法数据．换句话说，预估器所提供的结果是不可预估的． 溃点定义: 溃点定义：溃点是指局外点占整个数据的一个最小比例值，当局外点数不超过这个值时，无论局外点如何不正确，都不会使预估算法产生任意的错误估计 . 简单、被证明是解决大量局外点回归问题的非常有效的方法．容错高达百分之五十的局外点，也就意味着数据点集中，有一半的数据可以取任意值而不会严重地影响回归结果． 在最小中值二次回归方法中，模型参数 的估计由极小化残差平方的中值求得: 最小中值二乘回归方法 假定有n个数据和p个参数的线性模型 在n各个数据点集中，随机地选择p个点; 用模型拟合p个点; 计算残差平方的中值; 拟合过程重复进行直到得到足够小的残差平 方中值. 算法7.3 最小中值二乘