VC图像编程教案 第二章
第二章 常用算子练习 实验图片: 第二章 TITLE=VC图像编程教案 2.1 边缘检测算子 2.1.1 算子卷积的原理-----相当于高通滤波器 2.1.2 应用算子时边界的处理方法 2.1.3 算子模板 Roberts: 第二章 TITLE=VC图像编程教案 第二章 TITLE=VC图像编程教案 Sobel: 第二章 TITLE=VC图像编程教案 取两结果中的大值为变换结果 Priwitt: 第二章 TITLE=VC图像编程教案 Krisch: 第二章 TITLE=VC图像编程教案 第二章 TITLE=VC图像编程教案 第二章 TITLE=VC图像编程教案 第二章 TITLE=VC图像编程教案 第二章 TITLE=VC图像编程教案 第二章 TITLE=VC图像编程教案 第二章 TITLE=VC图像编程教案 第二章 TITLE=VC图像编程教案 2.2 小波算子 2.2.1 小波算子原理,高低通算子参数关系为: 第二章 TITLE=VC图像编程教案 2.2.2 Daubechies_6(DB6)算子: 第二章 TITLE=VC图像编程教案 Daubechies_8(DB8)算子: 第二章 TITLE=VC图像编程教案 2.3 SUSAN角点检测方法(作业) SUSAN算子使用的是圆形模板来进行角点探测,圆形模板有等方向性的特点。一般使用模板的半径为3~4个像元。如图 第二章 TITLE=VC图像编程教案 模板置于每一个像素,将模板的每一个像像素与中心像素进行比较。 第二章 TITLE=VC图像编程教案 其中I(r)表示r点像素的灰度值,r0表示模板中心像素。t表示一个限制阈值,这个值决定了所能检测角点的最小对比度,也是能忽略的噪声的最大容限。它主要决定了能够提取 的特征数量越小,可从对比度越低的图像中提取特征,而且提取的特征也越多。因此对于不同对比度和噪声情况的图像应取不同的t值。 现在一些研究已经可以把这个t值改进为自适应值。也就是说可以根据图像的具体所含噪声确定最好的t值。 第二章 TITLE=VC图像编程教案 由函数n计算出所谓的USAN区域面积值。C(r0)表示以r0为中心的圆邻域。然后由一个个局部非极大值抑制模板来确定最终角点。具体可由下式表述: 第二章 TITLE=VC图像编程教案 式中g为非极大值抑制门限。门限g决定了输出角点的USAN区域的.最大值。g的大小不但决定了可从图像中提取角点的多寡,它还决定了所检测到的角点的尖锐程度。所以一旦确定了所需角点的质量(尖锐程度),g就可以取一个固定不变的值。一般情况下取1/2模板像素个数,例如7×7模板的g=37/2。 实验图片为: 第二章 TITLE=VC图像编程教案 预计检测结果:好于 第二章 TITLE=VC图像编程教案 (本课用时约1小时30分)【VC图像编程教案 第二章】相关文章:
VC图像编程教案 第五章03-10
VC图像编程教案 第四章03-10
VC图像编程教案 第三章03-10
VC图像编程教案 第一章03-10