第三讲-视觉图像特征信息提取

边缘检测线条检测光点检测角点检测第三讲视觉图像特征信息提取图像处理基础常识：第三讲视觉图像特征信息提取模板：一个数据矩阵，其数学含义是一种卷积运算。卷积运算：可看作是加权求和的过程，使用到的图像区域中的每个像素分别于卷积核(权矩阵)的每个元素对应相乘，所有乘积之和作为区域中心像素的新值。卷积核：卷积时使用到的权用一个矩阵表示，该矩阵与使用的图像区域大小相同，其行、列都是奇数。3.1边缘检测1.边缘的要素：方向、幅度边缘有方向和幅度两个特性，通常沿边缘走向的幅度变化较缓，而垂直于边缘走向的幅度变化较剧烈。对于阶跃边缘，一阶微分边缘检测算子正是利用了边缘的方向和幅度这两个特性。2.梯度函数的变化程度可用一阶的导数表示。而对于二维图像，其局部特性的显著变化可以用梯度来检测。梯度是函数变化的一种度量，定义为第三讲视觉图像特征信息提取)5.3(''yfxfffG(x,y)yx3.1边缘检测3.Sobel算子（1）模板（2）计算梯度第三讲视觉图像特征信息提取3.1边缘检测3.Sobel算子第三讲视觉图像特征信息提取3.Canny算子由于实际信号都是有噪声的，直接采用上述边缘算子，检测出来的都是噪声引起的假的边缘点。Canny算子先对信号进行平滑滤波，以滤去噪声。对平滑后的图像，采用上述边缘算子就可以比较有效地检测出边缘点。Canny算子常用的平滑滤波器为高斯函数，称为一阶微分高斯算子，Canny边缘算子是高斯函数的一阶导数。（1）用高斯滤波器平滑图像（2）用一阶偏导的有限差分来计算梯度的幅值和方向（3）对梯度幅值进行非极大值抑制（4）连接图像边缘第三讲视觉图像特征信息提取3.Canny算子第三讲视觉图像特征信息提取提取边缘用模板3.Canny算子第三讲视觉图像特征信息提取对梯度幅值进行非极大值抑制Steger法基本概念：Hessian矩阵1）Hessian矩阵的两个特征值分别为图像灰度函数的二阶导数的极大值和极小值；2）所对应的两个特征向量则表示了两个极值所取的方向，且相互正交；3）对于线条边缘，边缘方向n(x,y)对应于Hessian矩阵的最大绝对特征值的特征向量，而图像灰度函数在方向的二阶导数对应于Hessian矩阵的最大绝对特征值。所以通过求取Hessian矩阵的最大绝对特征值和所对应的特征向量，即可获得边缘方向和在该方向的二阶导数。第三讲视觉图像特征信息提取3.2线条检测yyxyxyxxggggyxH,Steger法（1）用高斯滤波方法对线条边缘先进行滤波，也即卷积运算；（2）在像素邻域内用二阶泰勒展开多项式描述灰度的分布；（3）在边缘方向的法线方向，即该点的灰度分布梯度方向求一阶方向导数和二阶方向导数，判断该点是否为线条边缘点；（4）边缘法线方向矢量可通过求Hessian矩阵的特征向量得到；第三讲视觉图像特征信息提取3.2线条检测（1）用高斯滤波方法对线条边缘先进行滤波，也即卷积运算；第三讲视觉图像特征信息提取3.2线条检测yyxyxxyxggggg,,,,（2）在像素邻域内用二阶泰勒展开多项式描述灰度的分布；00000000000000000000(,)(,)(,)()()(,)(,)(,)()1()()(,)(,)()2xyxxxyxyyygxyfxygxyxxyygxygxygxyxxxxyygxygxyyy第三讲视觉图像特征信息提取3.2线条检测22000000000022200001(),()(,)(,)(,)(,)21(,)(,)2xyxxyyxxxxyxyyyyftnxtnygxytngxytngxytngxytnngxytngxy（3）在边缘方向的法线方向，即该点的灰度分布梯度方向求一阶方向导数和二阶方向导数，判断该点是否为线条边缘点；针对线条边缘，令可得因此图像灰度的极大或极小点为若，即一阶导数为零的点位于当前像素内，且方向的二阶方向导数大于指定的阈值，则该点为线条边缘中心点。第三讲视觉图像特征信息提取3.2线条检测0)(),(00ytnxtnftyxyyyxyyxxxxyyxxgngnngngngnt222)(),(,00ytnxtnppyxyx21,2121,21,yxtntn3.3光点探测第三讲视觉图像特征信息提取22000()()(,)=exp[]22xyuuvvuvII3.3光点探测Hessian矩阵：判决条件：第三讲视觉图像特征信息提取12xxyyCggyyxyxyxxggggyxH,C值图3.4光点探测根据计算得到的C值分布图，初步判定光斑图像中心的像素位置。设光点的像素位置为(x0,y0)，亚像素位置为(x0+s,y0+t)，其中(s,t)∈[-0.5,0.5]×[-0.5,0.5]。在满足高斯分布的光点图像中，(x0,y0)附近区域内亚像素位置点(x0+s,y0+t)的灰度值可以用2阶泰勒展开式来表示：由光点性质可知，该展开式在顶点处相对于s、t的1阶导数为零，即：第三讲视觉图像特征信息提取0001,2xxxxyyxyyygggsIxsytgststgggt00xxxyxxyyyygsgtggsgtg22,yxyxyyxxyyxxxxyyxyxxyyxyggggggggstgggggg