物联网开发

关于边缘检测需要了解的所有信息

  边缘检测是图像处理、机器视觉和计算机视觉中的一种重要方法。


  边缘检测是指当图像亮度突然变化或更正式地说,出现不连续时,用于检测数字图像中的边缘或曲线的一组数学技术。阶跃检测是识别一维信号中的不连续性的问题,而变化检测是发现跨时间的信号不连续性的问题。在图像处理、机器视觉和计算机视觉中,边缘检测是一项关键技术,尤其是在特征识别和提取领域。


关于边缘检测需要了解的所有信息


  检测图像亮度的急剧变化的目的是记录世界特征的重大事件和变化。鉴于图像生成模型的相对一般假设,图像亮度的不连续性预计与深度不连续性、表面方向不连续性、材料特性变化和场景光波动相关。


  在理想情况下,对图像应用边缘检测器将产生一组链接曲线,这些曲线指示对象边界、曲面标记边界以及对应于曲面方向不连续性的曲线。对图片应用边缘检测方法可以最大限度地减少必须处理的数据量,从而过滤掉不那么重要的信息,同时保留图像的关键结构特征。如果边缘检测阶段成功,则理解原始图像中包含的信息的工作可以显著简化。然而,这种完美的边缘并不总是可能从适度复杂的现实生活图片中获得。


  从非平凡图片恢复的边缘通常会受到碎片的阻碍,碎片会导致边缘曲线不相连、边缘段缺失以及与图像中重要事件不相关的假边缘,从而使理解图像数据的过程复杂化。边缘检测是图像处理、图像分析、图像模式识别和计算机视觉方法中最基本的过程之一。


  可以从三维场景的二维图片中检索视点相关或视点无关的边。三维对象的固有特征,如表面标记和形状,通常由透视无关的边反映。场景的几何体(例如相互遮挡的对象)通常由与透视相关的边反射,该边随视点的变化而变化。


  例如,红色块和黄色块之间的边界是典型的边缘。另一方面,线条可以是在其他恒定背景上的少量可变色调像素(可以通过脊线检测器检索)。因此,在大多数情况下,线的两侧都可能有一条边。


  边缘检测可以通过多种方式进行,其中Prewitt边缘检测、Sobel边缘检测、Laplacian边缘检测和Canny边缘检测是最流行的方法。


  Prewitt边缘检测


  这是一种流行的边缘检测器,用于识别图片中的水平和垂直边缘。


  Sobel边缘检测


  这将使用强调过滤器中心的过滤器。它是最常用的边缘检测器之一,在降低噪声的同时,还能提供识别和边缘响应。


  拉普拉斯边缘检测


  拉普拉斯边缘检测器不同于前面提到的边缘检测器。这种技术只使用一个过滤器(也称为内核)。拉普拉斯边缘检测在一次过程中执行二阶导数,使其易受噪声影响。在使用此方法之前,使用高斯平滑对图片进行平滑,以避免对噪声的敏感性。


  Canny边缘检测


  与许多其他方法相比,这是使用最广泛、非常成功和复杂的方法。这是一种用于检测和识别各种边缘的多阶段方法。Canny边缘检测方法的步骤如下所示。它将图片转换为灰度,消除噪声(因为使用导数的边缘检测易受噪声影响),计算梯度(有助于识别边缘强度和方向),最后将图像转换为灰度。它使用非最大值抑制来缩小图像的边缘,使用双阈值来检测图像的强、弱和无关像素,并使用滞后边缘跟踪来帮助将弱像素转换为强像素(仅当它们被强像素包围时)。


注:本站文章部分文字及图片来自互联网。如有侵权行为,请联系我们,我们会及时删除。