图像区分平坦、边缘、角点区域

最新推荐文章于 2024-02-22 17:00:00 发布

原创

最新推荐文章于 2024-02-22 17:00:00 发布 · 3.4k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#图像处理

本文介绍了图像处理中的结构张量概念，它是一个用于组织像素的数据矩阵。通过计算矩阵E的行列式K和迹H，可以区分图像的平坦、边缘和角点区域。平坦区域对应H=0，边缘区域对应H>0且K=0，而角点区域则为H>0且K>0。Harris角点检测即利用这一原理来识别图像中的角点。在实际应用中，会使用近似判断来处理H和K的非理想值。

此处所说的张量不是相对论或黎曼几何里的张量，黎曼几何的张量好多论文都叫张量场了。也不是数学界还没研究明白的对矩阵进行扩展的高阶张量，主要是张量分解。这里的结构张量就是一个矩阵，一个对图像像素进行组织的数据结构而已。
像素组织而成的矩阵如下：

这里写图片描述

这个公式太常见了，在harris角点检测中就用到了。其中Ix，Iy就是原对原图像在x和y方向求得的偏导。然后求矩阵E的行列式K和迹H。然后根据K和H的关系就能区分图像的区域模式了。
模式分以下三类：
平坦区域：H=0;
边缘区域：H>0 && K=0;
角点区域：H>0 && K>0;
harris角点检测就用到了第三类判断。
当然，在实际应用的时候H和K的值肯定都不会是理想，所以我用的都是近似判断。

    clear all; close all; clc;  

    img=double(imread('lena.jpg'));  
    [m n]=size(img);  
    imshow(img,[])  

    [Ix Iy]=gradient(img);  
    Ix2=Ix.^2;  
    Iy2=Iy.</