- 点、线、边缘检测
背景知识。书中主要介绍了图像的一阶导数与二阶导数,这个之前的文章中有过介绍这里在复习一遍。对于函数
![85b42fbabd48231d5dca543531d8ce25.png](https://i-blog.csdnimg.cn/blog_migrate/85228f7d5cb6eaa5b0443fbbb1087583.png)
之后书中总结了一阶导与二阶导对于图像求取边缘的结论:
![e1da884bf13692ec5a4679224e3dede2.png](https://i-blog.csdnimg.cn/blog_migrate/0c5039001c54b0de53c2d33cb3892292.png)
孤立点检测。图像中孤立点检测使用二阶梯度。公式如下:
![caf39a52c337b8dbf5f23eac7f347efb.png](https://i-blog.csdnimg.cn/blog_migrate/47f8c8077b4963ddf897f4da1a85c412.png)
![e9b3f033c1b1ed3f39405bd2311c88c3.png](https://i-blog.csdnimg.cn/blog_migrate/aed5cbc3125c4299cb3c9850f991502a.png)
(扩展:用于边缘检测的sobel算子属于一阶梯度。)
拓展一下拉普拉斯,包含像素
![0fa075cfc3efb8c9199c9d54591c909c.png](https://i-blog.csdnimg.cn/blog_migrate/6096342db680a2bfab13246cb7c4fa26.jpeg)
线检测
线检测同样使用拉普拉斯变换,不过不同的方向使用不同的二阶偏导。如下图是不同方向直线检测模板。
![7f27d6f78a26f17da0b226a3dbf1869d.png](https://i-blog.csdnimg.cn/blog_migrate/4b11029f95194a6956fa3c087e503cb2.png)
例如水平方向的检测模板,使用y方向的二阶偏导。
- 基本边缘检测
选择梯度作为在图像
梯度大小:
梯度方向:沿