计算机视觉处理算法基础及视觉特征提取

1.

图中矩阵分别为二维原图像素矩阵，二维的图像滤波矩阵，以及最后滤波后的新像素图。对于原图像的每一个像素点，计算它的领域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为当前中心像素位置的值，这样就完成了滤波的过程了。

平滑滤波包括平均滤波、高斯滤波、中值滤波等方法，其中高斯滤波最为常用。

平均滤波：输出像素值是核窗口内像素值的均值

高斯滤波：将输入数组的每一个像素点与高斯内核卷积，将卷积和当作输出像素值

中值滤波：将图像的每个像素用邻域 (以当前像素为中心的正方形区域)像素的中值代替

2.

边缘是图像上灰度变化最明显的地方，传统边缘检测利用此特点，对图像各像素点进行求微分或二阶微分来定位边缘像素点。由灰度变化特点，可将边缘类型分为阶梯状、脉冲状和屋顶状三种。对于阶梯状，图像边缘点对应一阶微分图像的峰值和二阶微分图像的零交叉处；对于脉冲状和屋顶状边缘，边缘点对应一阶导数的零交叉和二阶导数的峰值。

边缘检测算子是利用图像边缘的突变性质来检测边缘的。主要分为两种类型：一种是以一阶导数为基础的边缘检测算子，通过计算图像的梯度值来检测图像边缘，如：Sobel算子；一种是以二阶导数为基础的边缘检测算子，通过寻求二阶导数中的过零点来检测边缘，如：LOG算子、Canny算子。

Sobel算子是滤波算子的形式，用于提取图像的边缘。对数字图像{f(i,j)}的每个像素，考察它上、下、左、右四邻域灰度值的加权差，与之接近的邻域的权最大。

Sobel算子在空间上容易实现，能平滑噪声，可提供精确的边缘方向信息，但也会检测出伪边缘，使得定位边缘精度较低。

LOG算子是利用图像信噪比得到检测边缘的最优滤波器。首先，通过高斯函数对图像进行低通平滑滤波；然后通过Laplace算子进行高通滤波，最后由二阶导数零交叉点检测图像的边缘。

LOG算子的特点是既可平滑图像又可降低噪声，又因为平滑使得边缘延展，所以边缘点一般为具有局部梯度最大值的点。这可以通过二阶导数的零交叉点来实现。

Canny边缘检测算法实质是先用高斯函数作平滑运算，然后用一阶微分极大值定位边缘点。因为二阶导数过零点对应一阶导数的极大值和极小值。因此，强边缘和弱边缘都是二阶导数过零点。用两个阈值分别检测强边缘和弱边缘，当强边缘和弱边缘相连时，弱边缘被输出。