【课程笔记】数字摄影测量上机_实验三 线特征提取

为何数字摄影测量中需要提取点/线

“在数字摄影测量的研究和生产实践中经常需要提取数字影像中的点、 线特征 ”
“ 点和线是做图像分析时两个最重要的特征，而 线条往往反映了物体的轮廓，对图像中边缘线的检测是图像分割与特征提取的基础。常用的边缘检测算法：Sobel边缘检测和Canny边缘检测。。”

以下主要来自 https://www.cnblogs.com/lancidie/archive/2011/07/17/2108885.html  感谢原作者

【索贝尔算子（Sobel operator）主要用作边缘检测，它是离散性差分算子，用来运算图像亮度函数的灰度近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。】

Sobel卷积因子为：【理解卷积 https://www.zhihu.com/question/22298352】

【灰度值：指黑白图像中点的颜色深度，范围一般从0到255，白色为255，黑色为0，故黑白图片也称灰度图像】

 

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向和纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：

 

 

具体计算如下：

Gx = (-1)*f(x-1, y-1) + 0*f(x,y-1) + 1*f(x+1,y-1)

      +(-2)*f(x-1,y) + 0*f(x,y)+2*f(x+1,y)

      +(-1)*f(x-1,y+1) + 0*f(x,y+1) + 1*f(x+1,y+1)

= [f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]

 

Gy =1* f(x-1, y-1) + 2*f(x,y-1)+ 1*f(x+1,y-1)

      +0*f(x-1,y) 0*f(x,y) + 0*f(x+1,y)

      +(-1)*f(x-1,y+1) + (-2)*f(x,y+1) + (-1)*f(x+1, y+1)

= [f(x-1,y-1) + 2f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1) + 2*f(x,y+1)+f(x+1,y+1)]

其中f(a,b), 表示图像(a,b)点的灰度值；

 

图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：

 

通常，为了提高效率 使用不开平方的近似值：

 

如果梯度G（该点灰度的大小）> 某一阀值 则认为该点(x,y)为边缘点。

 

然后可用以下公式计算梯度方向（下式求的是角度）：

 

【梯度：是一个矢量，其方向上的方向导数最大，其大小正好是此最大方向导数（方向导数是该点各个方向上的导数）。eg：水滴往下滑，所以要说多说明一下，往下滑是梯度的反方向。因为梯度指的是增长最快的方向，而往下滑是减少最快的方向 https://www.zhihu.com/question/36301367】

 

 

Sobel算子根据像素点上下、左右邻点灰度加权差 在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。