基于Hessian矩阵的Steger算法VisualApplets仿真

最新推荐文章于 2023-03-04 19:01:55 发布

老七的葫芦

最新推荐文章于 2023-03-04 19:01:55 发布

阅读量1.1k

点赞数 2

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Z_AMB_T/article/details/106103940

版权

本文介绍了基于Hessian矩阵的Steger算法原理，通过高斯滤波、计算偏导数等步骤寻找图像边缘。在VisualApplets中，由于精度限制，需要对数据进行精度调整，这可能导致一定的误差。

摘要由CSDN通过智能技术生成

一、Steger算法原理

Hessian矩阵的2个特征值分别为图像灰度函数的二阶导数的极大值和极小值，所对应的2个特征向量则表示2个极值所取的方向，且相互正交。图像线条边缘法线方向（nx，ny）对应于Hessian矩阵最大绝对特征值的特征向量。

Hessian矩阵表示为:

$H(x,y)=\begin{bmatrix} {r}_x_x& {r}_x_y& \\ {r}_x_y& {r}_y_y& \end{bmatrix}$

根据Steger算法令:

$t=\frac{{n}_x{r}_x+{n}_y{r}_y}{{n}^2_x{r}_x_x+2{n}_x{n}_y{r}_x_y+{n}^2_y{r}_y_y}$

则临近二维图像任意像素点的图像灰度极大或极小点为:

最低0.47元/天解锁文章

老七的葫芦

关注

2
点赞
踩
4

收藏

觉得还不错? 一键收藏
5
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

评论 5

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。