图像处理与机器视觉 第7章 图像特征检测.ppt

Canny边缘检测方法不是一个像Roberts、Prewitt或Sobel那样的算子，而是在梯度算子基础上引入的一种抗噪性能好、定位精度高的单像素边缘计算策略。Canny边缘检测本质上属于非线性高通滤波，它对信噪比较差的图像也能获得令人满意的效果。Canny边缘检测方法不是一个像Roberts、Prewitt或Sobel那样的算子，而是在梯度算子基础上引入的一种抗噪性能好、定位精度高的单像素边缘计算策略。Canny边缘检测本质上属于非线性高通滤波，它对信噪比较差的图像也能获得令人满意的效果。局部极值周围存在相近数值的点局部极值周围存在相近数值的点局部极值周围存在相近数值的点局部极值周围存在相近数值的点局部极值周围存在相近数值的点局部极值周围存在相近数值的点局部极值周围存在相近数值的点局部极值周围存在相近数值的点局部极值周围存在相近数值的点边缘检测算子模板的基本特征是中心位置的系数为正，其余位置的系数为负，且模板的系数之和为零。Laplace检测模板的特点是各向同性，对孤立点及线端的检测效果好.δ2f/δx2=f(i+2,j)-2f(i+1,j)+f(i,j)，δ2f/δy2=f(i,j+1)-2f(i,j)+f(i,j-1)Laplace算子的缺点是会出现边缘方向信息丢失，对噪声敏感，整体检测效果不如梯度算子。且须注意到与索贝尔算子相比，对图像进行处理时，Laplace算子能使噪声成分得到加强，对噪声更敏感。[[0,-1,0][[-1,-1,-1][-1,4,-1][-1,8,-1][0,-1,0]][-1,-1,-1]]边缘检测算子模板的基本特征是中心位置的系数为正，其余位置的系数为负，且模板的系数之和为零。Laplace检测模板的特点是各向同性，对孤立点及线端的检测效果好.δ2f/δx2=f(i+2,j)-2f(i+1,j)+f(i,j)，δ2f/δy2=f(i,j+1)-2f(i,j)+f(i,j-1)Laplace算子的缺点是会出现边缘方向信息丢失，对噪声敏感，整体检测效果不如梯度算子。且须注意到与索贝尔算子相比，对图像进行处理时，Laplace算子能使噪声成分得到加强，对噪声更敏感。[[0,-1,0][[-1,-1,-1][-1,4,-1][-1,8,-1][0,-1,0]][-1,-1,-1]]标准偏差σ：确定平滑程度标准偏差σ：确定平滑程度标准偏差σ：确定平滑程度标准偏差σ：确定平滑程度标准偏差σ：确定平滑程度标准偏差σ：确定平滑程度哪个显示了关于x的变化？哪个显示了关于x的变化？哪个显示了关于x的变化？哪个显示了关于x的变化？哪个显示了关于x的变化？哪个显示了关于x的变化？Canny边缘检测方法不是一个像Roberts、Prewitt或Sobel那样的算子，而是在梯度算子基础上引入的一种抗噪性能好、定位精度高的单像素边缘计算策略。Canny边缘检测本质上属于非线性高通滤波，它对信噪比较差的图像也能获得令人满意的效果。Canny认为一个优良的边缘检测算子应具有以下3个特性：1.低错误率。所有边缘都应被找到，并且应该没有伪响应。也就是检测到的边缘必须尽可能是真实的边缘。2.边缘点应被很好地定位。已定位边缘必须尽可能接近真实边缘。也就是由检测器标记为边缘的点和真实边缘的中心之间的距离应该最小。3.单一的边缘点响应。对于真实的边缘点，检测器仅应返回一个点。也就是真实边缘周围的局部最大数应该是最小的。这意味着在仅存一个单一边缘点的位置,检测器不应指出多个边缘像素。Canny边缘检测方法不是一个像Roberts、Prewitt或Sobel那样的算子，而是在梯度算子基础上引入的一种抗噪性能好、定位精度高的单像素边缘计算策略。Canny边缘检测本质上属于非线性高通滤波，它对信噪比较差的图像也能获得令人满意的效果。高斯尺度空间尺度检测-SIFT特征检测构建尺度空间:模拟图像数据的多尺度特征其中G(x,y,σ)是尺度可变高斯函数尺度参数σ决定图像的平滑程度，大尺度对应图像的概貌特征小尺度对应图像的细节特征尺度检测-SIFT特征检测高斯尺度空间尺度检测-SIFT特征检测DOG尺度空间尺度检测-SIFT特征检测