数字图像处理——轮廓

本文内容参考《数字图像处理基础》Wilhelm Burger等著。
根据图像数组获得边缘检测信息，然后循着已检测到的边缘点找到轮廓线。

轮廓跟踪：从那些边缘强度较大的地方开始，沿着两个不同方向跟踪边缘点，直到这两条轨迹相遇并形成一条闭合的轮廓线。（灰度梯度弱——>边缘消失；交叉边缘——>歧义）

边缘图：通过“阈值运算”对一个“图像像素”是否属于边缘点做“二值判断”(这里需要被判断的“图像像素”是指由“各种边缘检测算子得到的边缘强度”，“阈值”可以是固定的，也可以说是自适应的)，经过“阈值运算”的结果存为一张“二值的边缘图像”，即“边缘图”。
全局阈值化处理的后处理方法，如霍夫变换，能很好处理不完整的边缘图。

边缘锐化：

从原图像函数$f(x)$上减去其二阶导数$f^{''}(x)$的一部分，如下图：

二维函数$f(x,y)$的拉普拉斯算子

$$\Delta f(x,y)=\frac{\partial^2 f}{\partial^2 x}(x,y)+\frac{\partial^2 f}{\partial^2 y}(x,y)$$
由中心差分公式易得
$$H_{x}^{L}=\frac{\partial^2 f}{\partial^2 x}(x,y)=\begin{pmatrix} 1&-2&1\end{pmatrix}, H_{y}^{L}=\frac{\partial^2 f}{\partial^2 y}(x,y)=\begin{pmatrix} 1\\-2\\1\end{pmatrix}$$
则 $$H^{L}=H_{x}^{L}+H_{y}^{L}=\begin{pmatrix} 0&1&0\\1&-4&1\\0&1&0\end{pmatrix}$$

接下来对原图像$I$，用$H^{L}$算子滤波，然后再用$I$减去此滤波结果，即得锐化结果

$$\breve{I}\gets I-\omega\cdot(H^{L}*I)$$

拉普拉斯滤波器对噪声相当敏感，可以采用预平滑措施(如高斯平滑)减弱噪声的影响。