一、边缘检测
1.平滑模板特点:
①模板内系数全为正(表示求和、平均→平滑)
②模板内系数之和为1:对一般图像,处理前后图像的平均亮度不发生变化
对于常数图像f,f(m,n) 恒等于常数C,处理前后不变
举例: 0 1/4 0
1/4 0 1/4
0 1/4 0
2.锐化模板特点:
①模板内系数有正有负,表示差分运算
②模板内系数之和为1:对于常数图像f,f(m,n) 恒等于常数C,处理前后不变
对于一般图像,处理前后的平均亮度不发生变化
举例: 0 -1 0
-1 5 -1
0 -1 0
3.边缘检测模板特点:
①模板内系数有正有负,表示差分运算
②模板内系数之和为0:对于常数图像,处理后图像为全黑
对于一般图像,处理后为边缘点
举例: 0 -1 0
-1 4 -1
0 -1 0
二、边缘跟踪
由于噪音存在,一般在亮度不一致的部分,寻找边缘的时候容易被打断。因此典型的边缘检测算法后面紧紧跟着边缘的连接和其他边界的检测过程,用来规整边像素从而成为有意义的边。
边缘跟踪的概念:将检测到的边缘点连接成线的过程就是边缘跟踪。
线:是图像分析中一个基本而重要的内容,是图像中的 一种中层符号描述,他使得图像的表述更为简洁。
边缘跟踪的过程:
①提取可以构成线特征的边缘
②将边缘连接成线
边缘跟踪的方法:
①光栅跟踪
②全向跟踪