当前位置:   article > 正文

OpenCV 笔记(8):图像的边缘和梯度

图像边缘包括随梯

Part11.  图像的边缘

灰度图像的分割算法大多都基于两个性质:灰度的不连续性和灰度的相似性

对于不连续性的灰度,可以以灰度突变为基础分割一幅图像,比如通过图像的边缘,基于边缘进行图像分割。对于相似的灰度,可以通过区域进行图像分割。本文主要介绍图像边缘相关的内容和原理。

图像的边缘是图像中亮度变化比较大的点。图像边缘点的出现一般是由于深度的不连续、物体表面方向的变换、物体属性变化或者场景照明变化引起。

边缘是连通的边缘像素集合。

常见的边缘类型有三种:

  • 阶梯形边缘:即从一个灰度到比它高好多的另一个灰度。

  • 屋顶形边缘:它的灰度是慢慢增加到一定程度,然后慢慢减少。

  • 线性边缘:它的灰度从一个级别跳到另一个灰度级别之后然后回来。

78e69b7c14ea9ad9bd97cab9189738da.jpeg
常见的边缘类型.PNG

真实的图像边缘可能含有噪声,不一定符合上述理想的边缘模型。

Part22.  图像的梯度

图像可以看成是一个二维离散函数,为了衡量图像灰度的变化率,可以对二维离散函数进行求导(连续的函数可以直接求导,离散的函数只能通过一些方法来近似)。一阶或二阶导数都可以检测局部灰度突变。

12.1 差分

差分,又名差分函数差分运算,一般是指有限差分,是数学中的一个概念,将原函数 f(x) 映射到 f(x+a) - f(x+b) 。

差分运算,相应于微分运算,是微积分中重要的一个概念。差分对应离散,微分对应连续。

差分可分为前向差分、反向差分中心差分。

2.1.1 前向差分

当自变量从变到时,

声明:本文内容由网友自发贡献,转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号