1.图像经过某种离散变化后的能力分布体现了图像的变换特征,从无失真压缩的角度考虑,变换的目的是希望图像经离散变换后能力尽可能的集中在少量的几个系数中,即具有能量聚集性,由此可得到较高的压缩比。
图像经过Shearlets变换后,能量的分布会随着变换尺度n的变换尺度呈现出一定的规律。
基于剪切波变换的人脸表情识别
论文中实验可知,当尺度从1增大时,能量会越来越集中与坐标平面的原点。
图像经过剪切波变换后,会出现相对的低频部分和高频部分,低频部分包含了原始图像的大部分能量,是元图像在不同尺度下的逼近信号。
低频主要体现图像的轮廓信息
高频主要体现图像的边缘和纹理信息
边缘检测主要是通过一些手段检测数字图像中明暗变化剧烈(即梯度变化比较大)像素点,偏向于图像中像素点的变化。如canny边缘检测,结果通常保存在和源图片一样尺寸和类型的边缘图中。
轮廓检测指检测图像中的对象边界,更偏向于关注上层语义对象。如OpenCV中的findContours()函数, 它会得到每一个轮廓并以点向量方式存储,除此也得到一个图像的拓扑信息,即一个轮廓的后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓的索引编号。
联系:
我们在做图像的轮廓检测时通常可以先检测边缘,再将检测到的边缘进行进一步处理,得到图像的轮廓。