大多数所谓的角点检测方法检测的是拥有特定特征的图像点澳门新普京游戏:,直接来自原始图像的灰度或彩色特征

  • 栏目:概况 时间:2020-04-08 21:54
<返回列表

机器视觉图像处理之角点检测技术发布于:2016-01-22 13:34发布人:weixuexa来源:维视图像点击量:430角点是图像很重要的特征,对图像图形的理解和分析有很重要的作用。角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法,广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中,也称为特征点检测。角点通常被定义为两条边的交点,更严格的说,角点的局部邻域应该具有两个不同区域的不同方向的边界。而实际应用中,大多数所谓的角点检测方法检测的是拥有特定特征的图像点,而不仅仅是“角点”。这些特征点在图像中有具体的坐标,并具有某些数学特征,如局部最大或最小灰度、某些梯度特征等。现有的角点检测算法并不是都十分的鲁棒。很多方法都要求有大量的训练集和冗余数据来防止或减少错误特征的出现。角点检测方法的一个很重要的评价标准是其对多幅图像中相同或相似特征的检测能力,并且能够应对光照变化、图像旋转等图像变化。近年来提出的角点检测方法大多是基于灰度图像的角点检测。主要分三类:(1)基于边缘特征的角点检测。主要分三个步骤:首先,对图像进行预分割;然后对预分割后得到的图像中边界轮廓点进行顺序编码,得到边缘轮廓链码;最后,根据边缘轮廓链码对图像中的角点进行描述和提取。Wallg和Braday提出了一种基于表面曲率的角点检测算法。为了改善角点检测的稳定性,首先将图像和高斯滤波器卷积,然后计算整个图像的表面曲率,当曲率高于一定阈值,并为局部最大值的点被认为是候选角点。(2)基于模板的角点检测。一般首先建立一系列具有不同角度的角点模板,然后在一定的窗口内比较待测图像与标准模板之间的相似程度,以此来检测图像中的角点。基于模板的方法主要考虑像素邻域点的灰度变化,即图像亮度的变化,将与邻点亮度对比足够大的点定义为角点。首先设计一系列角点模板,然后计算模板与所有图像子窗口的相似性,以相似性判断在子窗口中心的像素是否为角点。(3)基于亮度变化的角点检测。该算法基于角点相应函数(CRF)对每个像素基于其模板邻域的图像灰度计算CRF值,如果大于某一阈值且为局部极大值,则认为该点为角点。当然,角点的检测算法非常之多,仅基于模板的角点检测算法就有Kitchen-Rosenfeld角点检测算法、Harris角点检测算法、KLT角点检测算法及SUSAN角点检测算法等,在此不再一一展开介绍。维视图像从事机器视觉行业十数年,其XAVIS机器视觉科研平台包含近300个优异算法,其中就包含多种优异的角点检测算法,这些算法均是从实际工业项目中积累、优化而来,在算法效率、稳定性上均处于视觉行业领先地位。

      所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性,而在不同区域间呈现出明显的差异性。我们先对目前主要的图像分割方法做个概述,后面再对个别方法做详细的了解和学习。

1、阈值分割

1.角点检测简述
  • 角点检测是计算机视觉系统中用来提取图像特征的一种方法,又称为特征点检测.
  • 广泛用于运动检测,图像匹配,视频跟踪,三维建模和目标识别等

1、基于阈值的分割方法

1.1 简介

图像阈值化分割是一种传统的最常用的图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。

图像阈值化的目的是要按照灰度级,对像素集合进行一个划分,得到的每个子集形成一个与现实景物相对应的区域,各个区域内部具有一致的属性,而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

2.角点概念
  • 角点没有明确的数学定义,严格说,角点的局部领域应该具有两个不同区域不同方向的边界,可以是某些属性上强度最大或者最小的孤立点,线段的终点,或者是曲线上局部曲率最大的点

      阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值,并将图像中每个像素的灰度值与阈值相比较,最后将像素根据比较结果分到合适的类别中。因此,该类方法最为关键的一步就是按照某个准则函数来求解最佳灰度阈值。

1.2 基本原理

基本原理是:通过设定不同的特征阈值,把图像象素点分为若干类。
常用的特征包括:直接来自原始图像的灰度或彩色特征;由原始灰度或彩色值变换得到的特征。
设原始图像为f(x,y),按照一定的准则f(x,y)中找到特征值T,将图像分割为两个部分,分割后的图像为:
若取:b0=0(黑),b1=1(白),即为我们通常所说的图像二值化。

3.角点检测算法

2、基于边缘的分割方法

1.3 方法

阈值分割方法实际上是输入图像f到输出图像g的如下变换:

澳门新普京游戏 1

其中,T为阈值,对于物体的图像元素g(i,j)=1,对于背景的图像元素g(i,j)=0。

由此可见,阈值分割算法的关键是确定阈值,如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后,将阈值与像素点的灰度值逐个进行比较,而且像素分割可对各像素并行地进行,分割的结果直接给出图像区域。
阈值分割的优点是计算简单、运算效率较高、速度快。有着各种各样的阈值处理技术,包括全局阈值、自适应阈值、最佳阈值等等。

阈值处理技术参看:

3.1 角点检测算法分类
  • 基于梯度(计算边缘的曲率来判断角点的存在性)
  • 基于模板(主要考虑像素领域点的灰度变化)
    Kitchen-Rosenfeld
    Harris
    KLT
    SUSAN

澳门新普京游戏 2

image.png

  • 基于模板梯度

       所谓边缘是指图像中两个不同区域的边界线上连续的像素点的集合,是图像局部特征不连续性的反映,体现了灰度、颜色、纹理等图像特性的突变。通常情况下,基于边缘的分割方法指的是基于灰度值的边缘检测,它是建立在边缘灰度值会呈现出阶跃型或屋顶型变化这一观测基础上的方法。

2、区域分割

区域分割是讲图像按照相似性准则分成不同的区域,主要包括区域增长,区域分裂合并和分水岭等几种类型。

3.2 角点检测算法评价标准

阶跃型边缘两边像素点的灰度值存在着明显的差异,而屋顶型边缘则位于灰度值上升或下降的转折处。正是基于这一特性,可以使用微分算子进行边缘检测,即使用一阶导数的极值与二阶导数的过零点来确定边缘,具体实现时可以使用图像与模板进行卷积来完成。

2.1 区域增长

区域生长是一种串行区域分割的图像分割方法。区域生长是指从某个像素出发,按照一定的准则,逐步加入邻近像素,当满足一定的条件时,区域生长终止。区域生长的好坏决定于1.初始点(种子点)的选取。2.生长准则。3.终止条件。区域生长是从某个或者某些像素点出发,最后得到整个区域,进而实现目标的提取。

3、基于区域的分割方法

2.1.1 原理

区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长的起点,然后将种子像素周围邻域中与种子像素有相同或相似性质的像素(根据某种事先确定的生长或相似准则来判定)合并到种子像素所在的区域中。将这些新像素当作新的种子像素继续进行上面的过程,直到再没有满足条件的像素可被包括进来。这样一个区域就长成了。

区域生长需要选择一组能正确代表所需区域的种子像素,确定在生长过程中的相似性准则,制定让生长停止的条件或准则。相似性准则可以是灰度级、彩色、纹理、梯度等特性。选取的种子像素可以是单个像素,也可以是包含若干个像素的小区域。大部分区域生长准则使用图像的局部性质。生长准则可根据不同原则制定,而使用不同的生长准则会影响区域生长的过程。

上一篇:四台工业相机如何做高精测量发布于澳门新普京app,可识别出断面边缘图像中的多条直线特征 下一篇:没有了

更多阅读

大多数所谓的角点检测方法检测的是拥有

概况 2020-04-08
机器视觉图像处理之角点检测技术发布于:2016-01-2213:34发布人:weixuexa来源:维视图像点击量:...
查看全文

四台工业相机如何做高精测量发布于澳门

概况 2020-04-06
四台工业相机如何是好高精测量发表于:二零一六-11-1811:13公布人:weixuexa来源:维视图像点击...
查看全文

孩子早恋家长如何劝导澳门新普京app:,

概况 2020-04-05
家长应该怎么样面对孩子早恋发布于:2015-09-2322:08发布人:xuebuhan来源:杭州酷特儿早教中心点...
查看全文

友情链接: 网站地图

Copyright © 2015-2019 http://www.chaptercattery.com. 澳门新普京app-游戏手机版软件下载有限公司 版权所有