图像局部特征学习（笔记1之边缘检测）

最新推荐文章于 2024-01-23 18:21:52 发布
最新推荐文章于 2024-01-23 18:21:52 发布
阅读量1.6k 收藏 1
点赞数
分类专栏： 图像局部特征 文章标签： 边缘检测 LOG Roberts Prewitt Sobel
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/u013207865/article/details/49329383
版权

边缘

所谓边缘，就是指图像中灰度强烈变化的区域。这个强烈变化，就很容易想到微分运算。（PS：涉及到微分运算，就要想到去噪，因为微分运算对噪声是很敏感的。）

算法分类

  • 一阶微分边缘算子，经典算子比如：Roberts(罗伯特)、Prewitt（普鲁伊特）、Sobel(索贝尔)，Canny（坎尼）等。

  • 二阶微分边缘算子，LOG边缘检测算子。

简要介绍一下，Roberts(罗伯特)、Prewitt（普鲁伊特）、Sobel(索贝尔)和LOG边缘检测算子这几种模板检测算子。

这里写图片描述
上面给出了，梯度，梯度模值以及梯度方向的定义。然后不同算子的区别就在与梯度的求解。其梯度的模值和梯度方向的求解方式是相同的，有的算法中对于梯度模值的求解利用的是一范数或者∞范数，但是这个不是算子的核心区别。

Roberts(罗伯特)

Roberts(罗伯特)算子是一种2x2的模板算子，其梯度求解是利用下式获得：
这里写图片描述
转换为模板矩阵如同下面所示：
这里写图片描述

最低0.47元/天 解锁文章
小羊哈利
关注
专栏目录
[Python从零到壹] 六十.图像识别及经典案例篇之基于阈值及边缘检测的图像分割
杨秀璋的专栏
12-23 5497
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第一部分作者介绍了图像处理基础知识，第二部分介绍了图像运算和图像增强，接下来第三部分我们将详细讲解图像识别及图像处理经典案例，该部分属于高阶图像处理知识，能进一步加深我们的理解和实践能力。图像分割是将图像分成若干具有独特性质的区域并提取感兴趣目标的技术和过程，它是图像处理和图像分析的关键步骤。本文将重点围绕图像处理实例，详细讲解各种图像分割的方法。希望文章对您有所帮助，如果有不足之处，还请海涵。
计算机视觉学习（三）--局部图像描述子
weixin_42104269的博客
03-18 2637
一、SIFT特征原理描述 SIFT，即尺度不变特征变换，是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。SIFT特征对旋转、尺度缩放、亮度变化等保持不变性，是一种非常稳定的局部特征。 1.SIFT算法的特点 1.1稳定性 SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性； 1....
图像局部特征学习（笔记1之Harris角点）
小羊哈利
09-19 1373
角点：有两种比较普遍的定义 角点是两个边缘的交点 角点是邻域内具有两个主方向的特征点（这个主方向，其实我一直是迷糊，但是参考PCA，觉得其想说的是在在两个方向上灰度变化比较大，也就是此时的角点邻域内的点，不再是一个二维的点（x,y），而是一个三维的点（x,y,I）其中I是像素位置（x,y）对应的灰度值。当存在两个主方向时，也就意味着存在两个较大的特征值。） 角点检测的主要思路： 第一种基于图像边缘的
基于一阶微分的边缘检测方法：
junjunyeti的专栏
05-22 723
Roberts 算子考虑图像的2*2邻域，是最简单的边缘检测算子，算法过程简述： 【1】，遍历图像（除去上边缘和左边缘），对每个像素做Roberts模板运算。 【2】，将结果保存到目标图像，结束。   Sobel算子考察的是3*3邻域，由两个卷积核组成，见上图(图片均在附件中)，算法过程简述： 【1】，遍历图像（除去边缘，防止越界），对每个像素做Sobel模板卷积运算。 【2】，比较两
Roberts 算子Prewitt 算子Sobel 算子Laplacian 算子
vh62505的博客
11-12 2323
Sobel算子在Prewitt算子的基础上增加了权重的概念，认为相邻点的距离远近对当前像素点的影响是不同的，距离越近的像素点对应当前像素的影响越大，从而实现图像锐化并突出边缘轮廓。Sobel算子在Prewitt算子的基础上增加了权重的概念，认为相邻点的距离远近对当前像素点的影响是不同的，距离越近的像素点对应当前像素的影响越大，从而实现图像锐化并突出边缘轮廓。： Sobel 算子也是一种常用于图像边缘检测的算子，相比于Roberts和Prewitt，Sobel算子在设计上考虑了像素之间的权重。
【Numpy】图像处理——高通滤波锐化算子（一阶微分&二阶微分）
最新发布
qq_34108802的博客
01-23 1891
锐化与边缘检测的基础：一阶微分&二阶微分的梯度算子，如罗伯特（Roberts）、索贝尔（Sobel）、Scharr、Prewitt、拉普拉斯（Laplacian）。
图像局部特征学习（笔记1之Canny边缘检测算子）
小羊哈利
10-22 1746
Canny首先提出的一个概念就是边缘检测算子优劣的三条标准。 总结下： 算子对噪声是否敏感，是否存在漏检的情况 算子的边缘定位是否准确，检测到的边缘与实际边缘的距离尽可能小 对每条边缘只有一次响应，只得到一个点 上述三条标准，都存在对应的数学公式，在这里我就不列出，因为我也不是很能讲清楚。Canny边缘检测算子是一种能满足上述三条标准的一阶微分算子，性能非常优秀！Canny算子主要分为4个步骤
图像局部特征学习（笔记1之斑点检测）
小羊哈利
09-18 3306
斑点：斑点有区别于角点和边缘，斑点主要描述的是一个区域。该区域相对其周围的像素在颜色或者灰度上有明显区别。虽然称之为点，但不是说明该区域很小。在纯色的背景中，里面单一的物体（比如雕塑）也可以称之为斑点。 当然比较经典的向日葵图片是斑点检测的常用数据。 斑点检测常用的两种方法：LOG检测和DOH检测LOG检测：Laplace of Guassian（高斯拉普拉斯）是一种比较常用的斑点检测方法。
《精通特征工程》学习笔记（7）：自动特征生成：图像特征提取和 深度学习
酒心★
06-07 711
图像和声音是以数字像素或波形来记录的。图像中的单个“原子”是一个像素。在音频数据中，基本单位是对波形密度的一次测量。这些单位包含的语义信息要比文本数据的基本单位（单词）少。因此，与文本相比，图像和音频上的特征提取和特征工程要困难得多。计算机视觉研究的重点是人工定义的用于提取良好图像特征的流程。有一段时间，像 SIFT 和 HOG（后文中会介绍）这样的图像特征提取器曾经成为了标准。近期深度学习研究的发展扩展了传统机器学习模型的应用范围，它们在基础层中集成了自动特征提取技术。
八方向Sobel算子（3x3）的python实现
07-09
一种改进的八方向Sobel算子，python代码（基于matlab源码改写）。八个Kernel为：mask1=[-1 -2 -1;0 0 0;1 2 1]; mask2=[-2 -1 0;-1 0 1;0 1 2]; mask3=[-1 0 1;-2 0 2;-1 0 1]; mask4=[0 1 2;-1 0 1;-2 -1 0]; mask5=[1 2 1;0 0 0;-1 -2 -1]; mask6=[2 1 0;1 0 -1;0 -1 -2]; mask7=[1 0 -1;2 0 -2;1 0 -1]; mask8=[0 -1 -2;1 0 -1;2 1 0];
坎尼算子边缘检测程序
01-05
我自己编的matlab的m函数 用来进行canny边缘检测 输入参数由四个 具体可以看程序中的说明
Robert算子的运用
qq_18343569的博客
07-15 6936
Roberts算子：边缘定位准，但是对噪声敏感。适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。主要通过图像的局部差分来求得梯度： MATLAB代码：
Roberts算子边缘检测原理及实现
热门推荐
小武的博客
06-10 3万+
写在前面 我们知道，进行边缘检测有两种方法：一阶导数的极值、二阶导数的过零点。 Robert算子是一种一阶微分算子，而且Robert算子是第一个边缘检测算子，提出者是Lawrence Roberts in 1963。 从这篇博客开始，会陆续介绍几种经典的边缘检测算子。先附上各种边缘检测算法的优缺点： 原理 Roberts算子是一种斜向偏差分...
Canny算法详解(转)
01-14 1699
Canny算法详解(转)边缘提取以及边缘增强是不少图像处理软件都具有的基本功能，它的增强效果很明显，在用于识别的应用中，图像边缘也是非常重要的特征之一。图像边缘保留了原始图像中相当重要的部分信息，而又使得总的数据量减小了很多，这正符合特征提取的要求。在以后要谈到的霍夫变换(检测图像中的几何形状)中，边缘提取就是前提步骤。这里我们只考虑灰度图像，用于图像识别的边缘提取比起仅仅用于视觉效果增强的边
图像梯度、ROBERT算子和SOBEL算子
weixin_43174806的博客
03-08 2561
ROBERT算子和SOBEL算子 Robert算子和Sobel算子在后面的边缘检测中是里程碑似的算法，在增强部分，他们主要用在边缘增强。 Sobel和Robert都能对边缘有较强的响应，而且Sobel对边缘的响应较宽而且更加强烈，Robert算子对边缘响应较弱，而且对弯曲的边缘敏感度低。 图像梯度 梯度并非是一个数值，梯度严格意义上是一个向量，这个向量指向当前位置变化最快的方向，可以这么理解，当你...
【翻译：OpenCV-Python教程】坎尼边缘检测
【涘涘回来啦】
12-02 774
⚠️由于自己的拖延症，3.4.3翻到一半，OpenCV发布了4.0.0了正式版，所以接下来是按照4.0.0翻译的。 ⚠️除了版本之外，其他还是照旧，Canny Edge Detection，附原文。 目标 在这一节，我们将学到： 坎尼边缘检测的概念 OpenCV对此的函数：cv.Canny() 理论 坎尼边缘检测是一个很受欢迎的边缘检测算法。它是被 John F. Canny ...
【笔记】局部特征
TobiasYoung的博客
03-12 3294
一、全局特征和局部特征区别 全局特征是指图像的整体属性，常见的全局特征包括颜色特征、纹理特征和形状特征，比如强度直方图等。由于是像素级的低层可视特征，因此，全局特征具有良好的不变性、计算简单、表示直观等特点，但特征维数高、计算量大是其致命弱点。此外，全局特征描述不适用于图像混叠和有遮挡的情况。局部特征则是从图像局部区域中抽取的特征，包括边缘、角点、线、曲线和特别属性的区域等。常见的局部特征包括角点...
局部特征
知识小屋
12-24 2万+
（转载请注明来源：http://blog.csdn.net/jiang1st2010/article/details/7621681）     局部特征(1)——入门篇     局部特征 （local features），是近来研究的一大热点。大家都了解全局特征（global features），就是方差、颜色直方图等等。如果用户对整个图像的整体感兴趣，而不是前景本身感兴趣的话，全局特征用
图像处理笔记：角点检测与特征匹配实践
本文档是一篇关于计算机视觉领域中图像处理技术的学习笔记，主要涵盖了角点检测、特征匹配、图片拼接以及图像插值四个主题。作者通过代码示例介绍了Harris角点检测和Shi-Tomasi角点检测方法，并简要提及了KNNORB特征...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值