基于强度的分析方法.ppt

检测结果 Roberts 算子通过对角线方向上相邻的两个像素之差近似梯度幅值。计算出来的梯度近似值位置相同，点位于内插点[i +1/2, j +1/2]处，即在 2×2 邻域的四个像素之间。 结论 该算子仅对噪声干扰小且边缘较为陡峭的图像有着较为理想的检测效果。 优势： 提取水平边缘和垂直边缘时 效果好，定位精度高 劣势： 对斜边缘的提取效果不理想，存在漏检。 不能有效的抑制噪声 Sobel算子 改善目的 为改善该算子中会增强边缘和噪音的特性 改善方法 上述差分式分别求出了灰度在x 和y 方向上的变化率, 但是 要对每一个像素进行以上的运算, 运算量较大, 所以在实际 中采用小型模板利用卷积来近似计算, 对x 方向和y 方向分 别使用一个模板。 Sobel 算子是在3×3邻域内计算x 方向和y 方向的偏导数 该方法赋予了上下左右四个像素点更大的权重。 fx = [f(x + 1,y - 1)+2f( x + 1,y)+f(x + 1,y + 1)]- [f(x - 1,y - 1)+2f(x - 1,y)+f(x - 1,y + 1)] fy = [f( x - 1,y + 1)+2f(x,y + 1)+f(x + 1,y + 1)]- [ f( x - 1,y - 1)+2f(x ,y)+f(x + 1,y - 1)] Sobel 算子模板 i方向 j方向 条纹中的每个点都与图中的两个模板作卷积 第一个模板对水平边缘影响最大; 第二模板对垂直边缘影响最大。 两个卷积的最大值作为该点的输出, 运算结果是一幅边缘幅度图像。 -1 0 1 -2 0 2 -1 0 1 -1 -2 -1 0 0 0 1 2 1 总结 Sobel 边缘检测算子是一种非线性边缘算子 本质上是通过计算一阶导数来检测边缘的, 同时也可以给出边缘点的梯度方向。该算子在求梯度值前，先进行邻域的加权平均，再进行微分，它是边缘检测中最常用的算子。 优势： 适合于直干涉条纹的处理 受噪声影响小 使用大的邻域时,抗干扰特性会更好 劣势： 会使边缘较粗 既有大小又有方向, 因此, 数据存储量较大 Page ? * 基于强度的分析方法  chapter 1 边缘检测 图像边缘 图像最基本的特征 本质 是图像局部的不连续性 包括 灰度级的突变，颜色的突变，纹理结构的突变 组成 由一些灰度函数的导数值超过预先设定的阈值的 像素组成 在实际图像中，由于图像传感器的性能、成像过程中的噪声等因素的影响，理想的阶梯状和屋顶状边缘是很少见的，而是在灰度变化的上升和下降沿都比较缓慢，表现为斜坡状。 图像的边缘大致可以分为两类： 阶梯状 此类边缘位于图像 灰度存在差异的两个 区域之间 屋顶状 此类边缘是图像灰度突 然从一个值变化到另一个值，保持一个比较小的行程之后又变回原来的值 1、我们的市场行为主要的导向因素，第一个是市场需求的导向，第二个是技术进步的导向，第三大导向是竞争对手的行为导向。 2、市场销售中最重要的字就是“问”。 3、现今，每个人都在谈论着创意，坦白讲，我害怕我们会假创意之名犯下一切过失。 4、在购买时，你可以用任何语言；但在销售时，你必须使用购买者的语言。 5、市场营销观念：目标市场，顾客需求，协调市场营销，通过满足消费者需求来创造利润。**** 6、我就像一个厨师，喜欢品尝食物。如果不好吃，我就不要它。***** 7、我总是站在顾客的角度看待即将推出的产品或服务，因为我就是顾客。*** 8、利人为利已的根基，市场营销上老是为自己着想，而不顾及到他人，他人也不会顾及你。**** 边缘检测 概念 查找图像的特征量急剧变化的位置的图像处理方法 研究目的 对于光电检测来说，很多时候干涉条纹是我们检测结果的 一个重要反映，那么对于干涉条纹的处理就显得尤为重要，直接影响着我们检测的准确性。 方法 变形曲线模型（轮廓法） 导数法（一阶、二阶） 基于变形曲线模型（Deformable Model） 提取方法：从外向内逐步逼近 变形曲线模型 定义