《机器视觉算法与应用》第3章 机器视觉算法之边缘提取 | 您所在的位置:网站首页 › 图像算法和视觉算法区别 › 《机器视觉算法与应用》第3章 机器视觉算法之边缘提取 |
文章目录
3.7 边缘提取3.7.1 在一维和二维的边缘定义3.7.2 一维边缘提取3.7.3 二维边缘提取3.7.4 边缘的准确度
3.7 边缘提取
如果阈值选定错误,由于从前景灰度值到背景灰度值是平滑过渡的,那么提取出来的物体将通常会变得更大或者更 小。当光照改变时,这个问题尤其严重,因为此时要求阔值必须非常准确地适应改变后的照明情况。 描述物体边界的鲁棒性最好的方法是将边界视为图像中的边缘。因此,在本节中我们将考察提取边缘的方法。 3.7.1 在一维和二维的边缘定义要推导出一个边缘提取算法,我们必须定义边缘到底是什么。 我们暂时做一个简单化的假设, 即物体的灰度值和背景的灰度值都是常量。 特别是我们要假设图像中没有噪声;并且图像不是离散的, 也就是说假设图像是连续的。
在前面的两节中,我们已经看到能够以亚像素的分辨率来提取边缘。我们已经用术语“亚像素,准确度”和“亚像素精度”来描述这种提取机制而并没有为“准确度”和 “精确度”等词的使用 提供真正的证明。因此,本节中我们将验证是否我们真的能以亚像素准确度和亚像素精确度来提取边缘。 由于准确度和精确度两词常常被混淆,或者可交换使用。所以我们首先要定义使用它们时的含义。 到目前为止,在上面我们已经讨论过的影响边缘准确度的所有误差来源中,我们忽略了一个最大的误差来源。如果摄像机没有进行几何标定以亚像素准确度提取边缘是无意义的,因为仅镜头畸变就可以宣布任何亚像素位置是无意义的。 对边缘提取准确度的另一个有害的影响是由图像的透视失真造成的。任何时候如果在安装摄像机时不能保证其垂直于被测物体,那么都会引发透视失真。 |
CopyRight 2018-2019 实验室设备网 版权所有 |