2013-04-07 167 views
0

這是對篩除算法邊緣一個簡單的概念,但它是很難理解......如果任何人都可以用圖像的幫助,我將不勝感激,解釋它的概念..瞭解刪除邊緣

「 。我們的想法是在關鍵點,以計算兩個梯度兩個彼此垂直的基於圍繞所述關鍵點在圖像上,三種可能性存在周圍的關鍵點的圖像可以是:

平坦區域
如果此是這種情況,兩種梯度都會很小。

邊緣
這裏,一個梯度將大(垂直於邊緣),而另一個將是(沿邊緣)

A「角」小
這裏,兩個梯度將大。

角是偉大的關鍵。所以我們只需要角落。如果兩個漸變都足夠大,我們讓它通過一個關鍵點。 「

+0

Stackoverflow適用於有關真實代碼的特定問題。這是模糊的,似乎是關於微積分的。 – 2013-04-07 05:52:23

+0

抱歉,但我想有人會知道它可以幫助我... – aushima 2013-04-07 06:05:27

+0

人們可以幫助你,如果你提出*關於代碼*的問題。向我們展示您編寫的代碼並尋求幫助。或者問一個更具體的問題。閱讀本描述後,我所具有的更具體的問題是如下問題:「計算兩個相互垂直的梯度」意味着什麼?那是甚麼*梯度*?這聽起來像一個*偏微分*,而不是*梯度*。爲什麼只有兩個「漸變」?假設邊緣平行於既不垂直的「漸變」 - 它不會被視爲一個角落?等等。 – 2013-04-07 14:49:13

回答

0

由於標籤SIFT表示問題/摘錄與計算機視覺中使用的局部圖像特徵有關,所以您正在研究的算法刪除邊緣不在摘錄中。顯示圖像的邊緣,你可以使用Canny Edge Detector on Wikipedia 你摘錄主要講解如何角落在灰度圖像,這是特徵檢測有用的檢測

的動機是:。

  • 自然圖像包含大量複雜的視覺信息。您希望在不同圖像上檢測到的物體可以旋轉,變形,遮擋,在不同的照明條件下觀看等。這使問題變得很難。
  • 解決這個問題的一個想法是識別對象的較小部分並在整個圖像中重新檢測它們。如果這些部分的足夠大的子集出現在另一個圖像中,並且它們在幾何上一致,則可以爭辯說該對象在另一圖像中是部分可見的。
  • 現在,如果用矩形滑動窗口循環顯示圖像,則必須確定該補丁是否包含足夠的視覺信息,以便可以在不同的圖像中重新檢測該信息。這是一個開放的問題。另請參見Interest Point Detection on Wikipedia

我們嘗試在低級別簡化問題,並嘗試使用理論示例避免概念錯誤。

  • 作爲一種簡化,忽略顏色,因此我們有一個灰度圖像。
  • 只有白色像素的補丁肯定不是唯一可識別的白牆。規模,旋轉,除了顏色之外的其他所有東西都是模糊的。這是您的摘錄中的「平坦區域」
  • 假設在該本地補丁中有一個像素厚度的黑色直線。現在你有一些較少ambigouty。例如,如果在另一幅圖像中發現厚度爲2個像素的黑色直線,則它可能是同一條直線,比例因子將爲2.但是,線條的起點和結束位置在哪裏?這通常稱爲「邊緣」
  • 然而,橫向和縱向的黑色十字會很容易識別,而交叉「開始」和「結束」時不會出現任何障礙。
  • 同樣,一個「角落」,即兩條線結束在一個點,是一個很好的檢測功能。

因此,陳述「角是偉大的關鍵點」。但是,也有「斑點」和「脊」(Types of image features on Wikipedia)。 image gradient operator是一種可以突出顯示類角圖像區域的功能。

  • 將梯度看作兩個像素之間的差異。對於垂直線,您可以在水平方向獲得峯值(高差)。對於水平線,您可以在垂直方向獲得峯值。
  • 現在,如果將此漸變操作符應用於修補程序中的每個像素並從中創建直方圖,則將應用摘錄中提及的三種情況。
  • 由於修補程序可能會出現旋轉,因此通常首先要分析histogram of oriented gradients以找出主要方向作爲關鍵點的方向。然後看看在正交方向上是否有第二個峯值。