NobodyHere

图像的边缘定义为两个强度明显不同的区域之间的过渡，图像的梯度函数即图像灰度变化的速率将在这些过渡边界上存在最大值。如果一个点位于边缘点上，那么它的灰度值会出现阶跃性的变化，对应于一阶导数的极值点、二阶导数的过零点，如图所示。由图可知，一阶导数的极值点与二阶导数的过零点可用来检测边缘。另外，一阶导数与二阶导数对噪声非常敏感，尤其是二阶导数。因此，在进行边缘检测之前，需充分考虑图像的平滑，以减少噪声的影

边界跟踪利用边缘检测算法可以检测出图像中的边界点。但是在很多情况下，仅仅检测出边界点是不够地，必须通过边界跟踪得到边界点序列等数据，为图像分析做准备。对二值图像的边界跟踪可基于八个方向码进行，如图所示。设P(x,y)P(x,y) 为物体的一个边界点，则P(x,y)P(x,y) 的下一个边界点必存在其八邻域内，因此可以根据八邻域信息进行外边界跟踪。在找到下一个边界点后，依次边界点为当前边界点继续搜索。

支持向量机是20世纪90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，也能获得良好统计规律的目的。它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，即支持向量机的学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。

提取轮廓 Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。更为重要的是 Canny 创立了边缘检测计算理论（Computational theory of edge detection）解释这项技术如何工作。Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是： 好的检测- 算法能够尽可能多地标识出图像中的实际边缘。 好的定位- 标

对OpenCV 3.1.0 SVM轮廓特征的提取和分类 I中提取到的轮廓使用OpenCV中的SVM进行分类。首先对这些轮廓进行裁剪：Mat getROI(Mat &src){ int left, right, top, bottom; left = src.cols; right = 0; top = src.rows; bottom = 0; //得