cv计算机视觉训练营贪心cv计算机视觉.pptxVIP

计算机视觉Canny 边界检测Canny Detector是一种针对快速实时边缘检测而优化的多阶段算法。该算法的基本目标是检测亮度（大梯度）的急剧变化，例如从白色到黑色的转换，并在给定一组阈值的情况下将它们定义为边缘。Canny算法有四个主要阶段： 一.降噪5x5高斯核。星号表示卷积运算。与所有边缘检测算法一样，噪声是一个至关重要的问题，通常会导致错误检测。应用5x5高斯滤波器对图像进行卷积（平滑）以降低检测器对噪声的敏感度。通过使用正态分布数字的高斯核（在这种情况下，5x5）在整个图像上卷积来完成的，将每个像素值设置为等于其相邻像素的加权平均值。二. 求梯度用于计算水平和垂直方向的一阶导数的Sobel核沿着x轴和y轴使用Sobel，Roberts或Prewitt算子（Sobel在OpenCV中使用）来检测边缘是水平的，垂直的还是对角线的。三. 非最大抑制非最大抑制应用于使得边界变“细”并锐化边缘。对于每个像素，如果它是先前计算的梯度方向上的局部最大值，则保留该值。A位于边缘。由于梯度垂直于边缘方向，因此将B和C的像素值与A的像素值进行比较，以确定A是否是局部最大值。如果A是局部最大值，则保留。否则，A的像素值被设置为零并且A被抑制。四. 滞后阈值在非最大抑制之后，确认强像素位于边缘的最终图中。但是，应进一步分析弱像素以确定其是否构成边缘或噪声。应用两个预定义的minVal和maxVal阈值，我们设置任何强度梯度高于maxVal的像素都是边缘，任何强度梯度低于minVal的像素都不是边缘并被丢弃。在minVal和maxVal之间具有强度梯度的像素, 仅当它们连接到具有高于maxVal的强度梯度的像素才被认为是边缘，。四. 滞后阈值 (续)边缘A高于maxVal，因此被视为边缘。边缘B位于maxVal和minVal之间，但未连接到maxVal上方的任何边缘，因此被丢弃。边C位于maxVal和minVal之间，并连接到边缘A，即maxVal上方的边，因此被视为边。霍夫变换检测图像中是否有特定几何形状的物体在笛卡尔坐标系中，我们可以y = mx + b通过绘制y对x?来表示直线。但是，我们也可以通过绘制b对m来将此线表示为霍夫空间中的单个点。例如，具有等式的线y = 2x + 1可以表示为(2, 1)霍夫空间。笛卡尔坐标系中一个点, 有许多可能的线可以通过这一点，每条线具有不同的参数m和b值。例如，通过坐标为（2，12）的点可以是如下直线y = 2x + 8，y = 3x + 6，y = 4x + 4，y = 5x + 2，y = 6x，等。这些可能的线可以在霍夫空间被绘制成(2, 8)，(3, 6)，(4, 4)，(5, 2)，(6, 0)这些点。请注意，这会在Hough空间中在一条直线上。每当我们在笛卡尔坐标系中看到一系列点并知道这些点通过某条线连接时，我们可以通过首先将笛卡尔坐标系中的每个点绘制到霍夫空间中的相应线来找到该线的方程，然后找到霍夫空间的交点。霍夫空间中的交点表示贯穿系列中所有点的m和b值。由于通过Canny 边缘检测的输出图像可以简单地解释为表示图像空间中的边缘的一系列点，我们可以应用相同的技术来识别这些点中的哪些连接到同一条线，以及连接它们的直线等式是什么，以便我们可以在我们的框架上绘制这条线。为了简化说明，我们使用笛卡尔坐标来对应霍夫空间。然而，这种方法存在一个数学缺陷：当线是垂直的时，梯度是无穷大的，不能在霍夫空间中表示。要解决此问题，我们将使用Polar坐标。例如，对于极坐标系上的点x = 8和y = 6，x = 4和y = 9，x = 12和y = 3，我们可以绘制相应的霍夫空间。我们看到霍夫空间中的线于θ = 0.925和r = 9.6相交。由于极坐标系中的线由下式给出r = xcosθ + ysinθ，我们可以推导出穿过所有这些点的单条线被定义为9.6 = xcos0.925 + ysin0.925通常，在霍夫空间中相交的曲线越多意味着由该交点表示的线对应于更多点。对于我们的实现，我们将在霍夫空间中定义最小阈值交叉点数以检测线。因此，霍夫变换基本上跟踪帧中每个点的霍夫空间交点。如果交叉点的数量超过定义的阈值，我们将识别具有相应θ和r参数的线。X-Y Coordinate System on?OpenCVSo in OpenCV you can use:?mat.attype(row,column)?or?mat.attype(cv::Point(x,y))?to access the same point if?x=column?and?y=row?which is perfectly comprehensible =)/3.1.0/dc/da5/tutorial_py_drawing_functi