- 1、本文档共76页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
第6章图像定位技术6.1角点检测6.2边缘提取6.3特征定位6.4直线定位6.5圆定位6.6组合定位本章小结6.1角点检测图像定位技术是机器视觉系统中不可或缺的关键技术,角点检测和边缘提取是特征定位的基础。角点检测是机器视觉系统中用来获得图像特征的一种方法,广泛应用于运动检测、图像匹配、目标识别等多个视觉应用领域。角点在不同的应用领域有很多不同的表述方式,比如图像中梯度变化明显的点、图像边界上曲率很高或变化明显的点、图像边界方向上变化不连续的点等。通常来说,角点的局部邻域是指具有两个不同区域的不同方向的边界。6.1.1兴趣点与角点在机器视觉中,兴趣点是指能够很快吸引人的主观注意力的地方,也叫作特征点和关键点。在整幅图像里面,兴趣点传递了大量的信息,甚至是人用来判断和评价整幅图像的基础。兴趣点是图像在二维空间上发生变化的区域,通常情况下包括拐点、交点和纹理显著变化的区域,如图6-1所示。图6-1兴趣点示意图角点是一个很特别的兴趣点,该点在任意方向上的一个微小变动都会引起很大的灰度变化,如图6-2所示。图6-2角点示意图关于角点的具体描述可以有以下几种:(1)一阶导数(即灰度的梯度)的局部最大值所对应的像素点;(2)两条及两条以上边缘的交点;(3)图像中梯度值和梯度方向变化速率都很高的点;(4)一阶导数最大、二阶导数为零的像素点。6.1.2角点检测算法1.基于灰度图像的角点检测基于灰度图的角点检测又分以下三种:(1)基于模板。(2)基于梯度。(3)基于模板梯度组合。2.基于二值图像的角点检测基于二值图像的检测方法是将原始图像看作一个多边形,则多边形的角点一定在骨架的延长线上,且角点所对应的骨架点的最大圆盘半径应该趋于0,检测骨架中的最大圆盘为0的点,即为角点。因为在二值图像处理阶段,计算量并不是很大,所以保证了计算的实时性。尽管将二值图像作为一个单独的检测目标列出来,但是基于灰度图像的各种处理方法对此仍然有效。二值图像处于灰度和边缘轮廓图像的中间步骤,所以专门针对此类图像的角点检测方法并不多见,如图6-3所示为一组角点检测模板。图6-3一组角点检测模板3.基于轮廓曲线的角点检测基于轮廓曲线的角点检测是根据图像的几何特征检测提取目标轮廓点的检测方法。一般有以下几种方法:(1)计算角点强度。(2)计算曲线曲率的极值。(3)多尺度角点检测。6.1.3Harris角点检测Harris特征角最早在论文ACombinedCornerandEdgeDetector中被ChrisHarris和MikeStephens提出。Harris角点检测的基本算法思想是:使用一个固定窗口在图像上进行任意方向上的滑动,比较滑动前与滑动后窗口中像素灰度的变化程度;如果任意方向上的滑动都有着较大的灰度变化,那么我们可以认为该窗口中存在角点,如图6-4所示。图6-4由灰度变化确定区域特征Harris角点检测是通过对窗口内的每个像素的x方向上的梯度与y方向上的梯度进行统计分析。这里以Ix和Iy为坐标轴,因此每个像素的梯度坐标可以表示成(Ix,Iy)。针对平坦区域,边缘区域以及角点区域三种情形进行分析,x、y方向上的梯度分布如图6-5所示。(1)平坦区域上的每个像素点所对应的(Ix,Iy)坐标分布在原点附近,针对平坦区域的像素点,它们的梯度方向虽然各异,但是其幅值都不是很大,所以均聚集在原点附近。(2)边缘区域有一坐标轴分布较散,至于是哪一个坐标上的数据分布较散不能一概而论,这要视边缘在图像上的具体位置而定。如果边缘是水平或者垂直方向,那么Iy轴方向或者Ix方向上的数据分布就比较散。(3)角点区域的x、y方向上的梯度分布都比较散。图6-5x、y方向上的梯度分布Harris角点检测通过M矩阵来判断哪些区域存在角点。M矩阵的公式如下:其中,Ix、Iy分别为窗口内像素点(x,y)在x方向上和y方向上的梯度值。在计算出M矩阵后,存在以下几种情况,可判断区域是否存在角点:(1)如果两个字段(Ix,Iy)所对应的特征值都比较大,说明像素点的梯度分布比较散,梯度变化程度比较大,符合角点在窗口区域的特点。(2)如果是平坦区域,那么像素点的梯度所构成的点集会集中在原点附近,因为窗口区域内的像素点的梯度幅值非常小,此时矩阵M的对角化的两个特征值比较小。(3)如果是边缘区域,则在计算像素点的x、y方向上的梯度时,边缘上的像素点的某个方向的梯度幅值变化比较明显,另一个方向上的梯度幅值变化较小,其余部分的点都集中在原点附近。这样M对角化后的两个特征值理论上应该是一个比较大,一个比较小。当然对于边缘这种情况,可能是呈45°的边缘,致使计算出的特征值并不
您可能关注的文档
- 《智能视觉技术及应用》课件第9章.pptx
- 《智能视觉技术及应用》课件第10章.pptx
- 《西餐英语》课件第1章.pptx
- 《移动通信》课件第8章 第四代(4G)移动通信系统.ppt
- 《智能视觉技术及应用》课件第8章.pptx
- 《西餐英语》课件第8章.pptx
- 《移动电子商务及应用》课件第7章.ppt
- 《智能手机实训教程》课件技能训练1-3.ppt
- 《新编密码学》课件第7章 密钥管理.pptx
- 《信号与系统》课件第2章 连续信号的频域分析.pptx
- 四川省德阳市罗江中学2025届高三考前热身化学试卷含解析.doc
- 山东省枣庄现代实验学校2025届高三下学期第五次调研考试化学试题含解析.doc
- 吉林省长春市十一高中等九校教育联盟2025届高三一诊考试生物试卷含解析.doc
- 2025届江苏省盐城市伍佑中学高考仿真模拟化学试卷含解析.doc
- 2025届广西贺州中学高考冲刺押题(最后一卷)生物试卷含解析.doc
- 安徽省池州市贵池区2025届高三第一次模拟考试生物试卷含解析.doc
- 宁夏银川一中2025届高三(最后冲刺)化学试卷含解析.doc
- 广东省广州市增城区四校联考2025届高考压轴卷化学试卷含解析.doc
- 2025届邯郸市第一中学高考生物必刷试卷含解析.doc
- 2025届安徽省安庆市石化第一中学高考仿真卷化学试卷含解析.doc
最近下载
- 樊登老师推荐:《你就是孩子最好的玩具》(完整版).pdf
- 凯迪克金奖原版绘本Sylvester and the Magic Pebble.pdf
- 外廓尺寸检测系统作业指导书.docx
- 初中教科研课题:《初中语文主题阅读教学的实践探究》子课题结题报告 .pdf
- 初中物理《声现象》.ppt VIP
- 最新2023版知识产权贯标GBT29490表单 知识产权目标策划管理方案[知识产权合规管理体系文件].docx
- (2024版)AOPA无人机驾驶证认证考试题库-上部分(500题)(含答案).pdf VIP
- 《中国共产党简史》第四章 夺取新民主主义革命的全国性胜利.pptx VIP
- 医院创建优质服务基层行创建资料(3.4.3护理安全管理).docx VIP
- 初三家长会班主任的发言稿.doc VIP
文档评论(0)