计算机视觉 特征检测与匹配 轮廓检测

本文探讨了轮廓检测的重要性,边缘链接方法,包括弧长参数化、傅里叶变换在匹配和处理中的应用,以及平滑和小波分解技术。轮廓检测领域的最新进展也有所提及,强调其在对象识别、图像编辑和图像风格化中的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

        虽然孤立的边缘可用于各种应用,例如线检测和稀疏立体匹配,但当连接到连续轮廓时,它们变得更加有用。

        如果使用某个函数的零交叉检测到边缘,则将它们向上链接起来很简单,因为相邻的边缘共享公共端点。将边缘链接到链中涉及拾取未链接的边缘并在两个方向上跟踪其邻居。排序的边缘列表(例如,首先按 x 坐标排序,然后按 y 坐标排序)或 2D 数组可用于加速邻居查找 . 如果使用零交叉未检测到边缘,则找到边缘的延续可能会很棘手。 在这种情况下,可以使用比较相邻边缘的方向(以及可选的相位)来消除歧义。 连接组件计算的想法有时也可用于使边缘链接过程更快。

        一旦边缘被链接成链,我们可以应用一个可选的带有滞后的阈值来删除低强度的轮廓段(Canny)。滞后的基本思想是设置两个不同的阈值,并允许跟踪高于较高阈值的曲线强度下降到较低阈值。

        链接边缘列表可以使用各种替代表示进行更紧凑的编码。链码使用对应于八个基本方向(N、NE、E、SE、S)的三位代码对位于 N8 网格上的连接点列表进行编码 , SW, W, NW) 在一个点和它的后继点之间(下图a)。 虽然这种表示比原始边缘列表更紧凑(尤其是在使用预测可变长度编码的情况下),但它不太适合进一步处理。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用,请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值