《计算机视觉-特征检测及应用》读后笔记
笔记:第一章绪论:图像特征主要包括1点特征 2线特征 3区域特征
1.1特征点检测方法
1.2特征线检测(我主要关注的)
1.2.1Canny边缘检测
Canny提出了衡量边缘检测算法性能的三个标准(1)检测性能(2)定位精度(3)单边响应
理论上只有三个准则同时被最大化时边缘检测算法才具有最优的性能。
检测性能包括(1)对真实边缘的检测性能 (2)对虚假边缘的抑制性能 用信号输出和噪声输出值比(SNR)来度量
公式暂不列出了,SNR值越大表明算法的检测性能越好。
canny算子主要由四个步骤组成:1 高斯滤波器平滑图像 2高斯一阶偏导的有限差分计算梯度的幅值和方向 3 对梯度幅值进行非极大值抑制(NMS) 4 用双阈值算法检测和连接边缘
Canny算子在高斯滤波过程中抑制噪声的同时,也会使图像损失部分边缘信息。
噪声和精度是边缘检测中两个矛盾的性能要求,是难点,通常通过调参来取的折中效果。
另外,尺度选择也是很重要的,尺度就像阈值,超过多少认为是边界,对图像进行多尺度分析和选择合适的尺度也是难点和热门
1.2.2规则图形检测
多边形检测方面,广义Hough变换(GHT)利用多边形的几何特性,将变量空间图形的检测问题转化为参数空间的聚类问题
特点:简单直接,计算量大,一般适用于三角形等边数较少的多边形
1.3特征区域检测
就先看这些