计算机视觉与应用 课件 4.1 几何特征

4.1几何特征CONTENTS目录图像梯度01图像边缘02图像点特征03图像形状特征04CONTENTS目录图像梯度01图像边缘02图像点特征03图像形状特征04图像特征：图像中固有的模式，该模式具备显著性、内容的代表性以及图像结构的独特性。图像几何特征：图像中反应其几何特性的模式，如，梯度、边缘、角点、形状。图像梯度图像导数：图像的离散导数可用有限差分代替，其形式如下：图像梯度：图像沿x和y方向的导数形成的向量，形式如下：在下述情况下，图像的梯度如下：图像的梯度幅值：图像的梯度方向：图像梯度CONTENTS目录图像梯度01图像边缘02图像点特征03图像形状特征04图像最基本的特征是边缘，边缘是图像性区域和另一个属性区域的交接处，是区域属性发生突变的地方，是图像中不确定性最大的地方，也是图像信息最集中的地方，图像的边缘包含着丰富的信息，图像边缘是图像灰度变化不连续的部分，一般指梯度变化较大的区域。通常，边缘上的灰度变化平缓，边缘两侧的灰度变化较快，图像的边缘一般指局部不连续的图像特征，一般是局部亮度变化最显著的部分，所以说边缘就是变化最显著的部分，灰度值的变化，颜色分量的突变以及纹理结构的突变都可构成边缘信息，图像边缘特征提取过程如图4-1-5所示。

图像边缘思考：是否直接对图像求导数，即可确定图像的边缘？含噪声图像水平扫描灰度值无法找到极值点，导致边缘换难以确定，采用何种方案对噪声去除？图像边缘思路：先对图像进行滤波平滑，再对图像求导，搜寻极值点，确定边界含噪声信号边界的位置为滤波后信号求导的极值点fhf*h高斯核函数滤波后信号滤波后导数图像边缘高斯函数：高斯函数的极值点一阶导数的过零点二阶导数的拐点高斯函数一阶高斯导数图像边缘2.Canny边缘检测器Canny边缘检测是从不同视觉对象中提取有用的结构信息并大大减少要处理的数据量的一种技术，目前已广泛应用于各种计算机视觉系统，边缘检测的一般标准包括：低错误率：标识出尽可能多的实际边缘，尽可能减少噪声产生的误报；高定位：标识的边缘要与图像中实际边缘尽可能接近；最小响应：图像中的边缘只能标识一次，噪声不能被标识为边缘。为了满足这些要求，Canny使用了变分法（calculusofvariations）。Canny检测器中的最优函数使用四个指数项的和来描述，它可以用高斯函数的一阶导数来近似。在目前常用的边缘检测方法中，Canny边缘检测算法是具有严格定义的，可以提供良好可靠检测的方法之一。由于它具有满足边缘检测的三个标准和实现过程简单的优势，成为边缘检测最流行的算法之一。Canny方法不容易受噪声干扰，能够检测到真正的弱边缘，其优点在于使用两种不同的阈值分别检测强边缘和弱边缘，当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。Canny根据以下流程进行边缘检测：使用高斯滤波器，平滑图像，消除噪声；计算图像中每个像素点的梯度强度和方向；应用非极大值（Non-MaximumSuppression）抑制，以消除边缘检测带来的杂散响应；应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘；通过抑制孤立的弱边缘最终完成边缘检测。

图像边缘CONTENTS目录图像梯度01图像边缘02图像点特征03图像形状特征04点特征：图像中的显著点，即信号变化比较强烈的点（边界交叉点、曲率较大的点）。

FAST角点检测

Harris角点检测图像边缘

BRISK检测CONTENTS目录图像梯度01图像边缘02图像点特征03图像形状特征04形状特征：图像中目标的外形、周长、面积等特征。

设图像中目标的像素坐标为，则目标的质心可计算如下：则目标的像素轮廓特征可