<address id="j51jj"></address>

            <address id="j51jj"><listing id="j51jj"><menuitem id="j51jj"></menuitem></listing></address><address id="j51jj"><nobr id="j51jj"><meter id="j51jj"></meter></nobr></address>

            <address id="j51jj"></address>
            <form id="j51jj"><nobr id="j51jj"></nobr></form>
            物聯網開發

            關于邊緣檢測需要了解的所有信息

              邊緣檢測是圖像處理、機器視覺和計算機視覺中的一種重要方法。


              邊緣檢測是指當圖像亮度突然變化或更正式地說,出現不連續時,用于檢測數字圖像中的邊緣或曲線的一組數學技術。階躍檢測是識別一維信號中的不連續性的問題,而變化檢測是發現跨時間的信號不連續性的問題。在圖像處理、機器視覺和計算機視覺中,邊緣檢測是一項關鍵技術,尤其是在特征識別和提取領域。


            關于邊緣檢測需要了解的所有信息


              檢測圖像亮度的急劇變化的目的是記錄世界特征的重大事件和變化。鑒于圖像生成模型的相對一般假設,圖像亮度的不連續性預計與深度不連續性、表面方向不連續性、材料特性變化和場景光波動相關。


              在理想情況下,對圖像應用邊緣檢測器將產生一組鏈接曲線,這些曲線指示對象邊界、曲面標記邊界以及對應于曲面方向不連續性的曲線。對圖片應用邊緣檢測方法可以最大限度地減少必須處理的數據量,從而過濾掉不那么重要的信息,同時保留圖像的關鍵結構特征。如果邊緣檢測階段成功,則理解原始圖像中包含的信息的工作可以顯著簡化。然而,這種完美的邊緣并不總是可能從適度復雜的現實生活圖片中獲得。


              從非平凡圖片恢復的邊緣通常會受到碎片的阻礙,碎片會導致邊緣曲線不相連、邊緣段缺失以及與圖像中重要事件不相關的假邊緣,從而使理解圖像數據的過程復雜化。邊緣檢測是圖像處理、圖像分析、圖像模式識別和計算機視覺方法中最基本的過程之一。


              可以從三維場景的二維圖片中檢索視點相關或視點無關的邊。三維對象的固有特征,如表面標記和形狀,通常由透視無關的邊反映。場景的幾何體(例如相互遮擋的對象)通常由與透視相關的邊反射,該邊隨視點的變化而變化。


              例如,紅色塊和黃色塊之間的邊界是典型的邊緣。另一方面,線條可以是在其他恒定背景上的少量可變色調像素(可以通過脊線檢測器檢索)。因此,在大多數情況下,線的兩側都可能有一條邊。


              邊緣檢測可以通過多種方式進行,其中Prewitt邊緣檢測、Sobel邊緣檢測、Laplacian邊緣檢測和Canny邊緣檢測是最流行的方法。


              Prewitt邊緣檢測


              這是一種流行的邊緣檢測器,用于識別圖片中的水平和垂直邊緣。


              Sobel邊緣檢測


              這將使用強調過濾器中心的過濾器。它是最常用的邊緣檢測器之一,在降低噪聲的同時,還能提供識別和邊緣響應。


              拉普拉斯邊緣檢測


              拉普拉斯邊緣檢測器不同于前面提到的邊緣檢測器。這種技術只使用一個過濾器(也稱為內核)。拉普拉斯邊緣檢測在一次過程中執行二階導數,使其易受噪聲影響。在使用此方法之前,使用高斯平滑對圖片進行平滑,以避免對噪聲的敏感性。


              Canny邊緣檢測


              與許多其他方法相比,這是使用最廣泛、非常成功和復雜的方法。這是一種用于檢測和識別各種邊緣的多階段方法。Canny邊緣檢測方法的步驟如下所示。它將圖片轉換為灰度,消除噪聲(因為使用導數的邊緣檢測易受噪聲影響),計算梯度(有助于識別邊緣強度和方向),最后將圖像轉換為灰度。它使用非最大值抑制來縮小圖像的邊緣,使用雙閾值來檢測圖像的強、弱和無關像素,并使用滯后邊緣跟蹤來幫助將弱像素轉換為強像素(僅當它們被強像素包圍時)。


            注:本站文章部分文字及圖片來自互聯網。如有侵權行為,請聯系我們,我們會及時刪除。