影像中角落的偵測.doc

目 錄 目 錄 0 第一章 前言 1 第二章 文獻探討 2 Gradient Operator 2 Laplacian Operator 3 Hessian 3 KR ‘s Method 4 GHT 4 第三章 程式介紹 6 程式介面： 6 程式的使用流程： 7 操作展示(一) ：(直角 h.bmp) 9 操作展示(二)：(斜角 rect.bmp) 13 操作展示(三)：(圓角 roundangle.bmp) 20 第四章 結論 23 第五章 參考文獻 25  前言 現在影像處理技術應用廣泛，而邊緣偵測也是一個重要的課題，再其中邊角的偵測(Corner Detection)更為有用。我們求出邊界角後，所能應用的範圍就很廣了。例如：由空照圖，我們可以偵測出建築物的邊緣以及角落，以定出位置。或著，再做車牌辨識時，我們可以把車牌的邊角偵測出來，再對其內的目標做進一步的辨識出車牌號碼。又或著，只是單純的希望去由CCD所擷取到的影像中，去偵測有哪些地方有邊角，讓機器手臂去定位，之後再去做接下來的作業。這些都是Corner Detection可以應用的範圍。 其中遮罩的使用是比較普遍的方式。而其中梯度運算子(Gradient Operator )以及 運算子。我這次的專題報告主要是希望藉由這兩個運算子以求邊界角落，主要是希望基於前人的理論，並以程式的方式將其實務化。  文獻探討 本章的對象是針對本課程(影像處理)所討論的離散數列，而並非數學上的連續函數。在此先說明一下之後會用到的名詞以及預先作一個定義。 Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 在一個3x3的image region中，Z5是我們接下來做遮罩運算時的對象，而其他的為Z5的相鄰。 Gradient Operator 此遮罩運算子在邊緣的地方響應特別強烈。所以，常用來作為邊緣檢測的工具[2.]。 在影像處理中，Gx和Gy為Sobel operator masks。 而 Laplacian Operator 數學上的意義[2.]為 而在影像處理上，Laplacian也是一個常用來作邊緣檢測的工具 其遮罩為 Hessian The local intensity variation is expanded as follows: 而其二階微分的對稱矩陣為 而Hessian=det()= 這是Beaudet(1978)所得到的一個遮罩運算子。 為對於邊角的偵測所提出的理論[3.]。 KR ‘s Method Kitchen and Rosenfeld (1982)提出了一個對於定位邊角不同的想法去避免複雜的步驟[3.]。 他們發現了有效的運算子去判斷突出的梯度變化率，並且證明了數學上的水平曲率κ和之前提到的強度函數I有關。 為了獲得一個可行邊角的弧度表示法，他們把水平曲率κ乘上local intensity gradient g的大小： 其後，1983 Nagel也證明了KR corner detector 的可行性。 GHT 在1986 Davies提出了GHT(Generalized Hough Transform)在邊角偵測上合適的技術[4.]。 主要的方法是對邊緣的每一個點作一個範圍的D的法線上的點 如右圖，如此在corner的部分，其頻譜會較大也藉此將corner 與edge的差異突顯出來。 我就是依照這差異，在做出其頻譜之後，對其頻譜做二元化的動作，將頻譜較小(邊)的部分給去掉，最後留下的就是頻譜較大的角的部分。 這樣的好處就是可以偵測出有些許弧度的角落，畢竟像是下圖那樣的圖形，其實也算是個”破碎”的角落。這也是需要被偵測出來的。 圖 1 GHT角偵測器示意圖  程式介紹 程式介面： 介面解說： FILE：包括開檔，存檔以及Exit。 Processing：包括灰階化，二元化，細線化(其實是去對其作求骨架的動作，所以必須先對他做過Sobel或者Laplacian的邊緣強化的動作)，和Initialize(要做參數的初始化用)。 Detector I：包括了Sobel(Gradient運算)，Laplacian的邊緣偵測方法。 Detector II：就是Hessian，還有KR所用的方法，以及GHT的邊角偵測方法。 程式的使用流程： 首先開啟檔案(限制為512x512x16bits) 之後圖檔會show在Form上，這也就是我們所要處理的對象。 依圖檔的對象以及目的的不同，可以分別對其做二元化，灰階化，或者細線化(其實是去對其作求骨架的動作，所以必須先對他做過Sobel或者 Laplacian 的邊緣強化的動作)。 接下來必須要做的動作是Pr