VC圖像編程教案 第二章

第二章 常用算子練習 實驗圖片： 第二章 TITLE=VC圖像編程教案  2.1 邊緣檢測算子 2.1.1 算子卷積的原理-----相當于高通濾波器 2.1.2 應用算子時邊界的處理方法 2.1.3 算子模板 Roberts： 第二章 TITLE=VC圖像編程教案  第二章 TITLE=VC圖像編程教案  Sobel: 第二章 TITLE=VC圖像編程教案 取兩結果中的大值為變換結果 Priwitt： 第二章 TITLE=VC圖像編程教案  Krisch： 第二章 TITLE=VC圖像編程教案 第二章 TITLE=VC圖像編程教案  第二章 TITLE=VC圖像編程教案  第二章 TITLE=VC圖像編程教案 第二章 TITLE=VC圖像編程教案  第二章 TITLE=VC圖像編程教案  第二章 TITLE=VC圖像編程教案 第二章 TITLE=VC圖像編程教案  2.2 小波算子 2.2.1 小波算子原理，高低通算子參數關系為： 第二章 TITLE=VC圖像編程教案  2.2.2 Daubechies_6(DB6)算子： 第二章 TITLE=VC圖像編程教案  Daubechies_8(DB8)算子： 第二章 TITLE=VC圖像編程教案  2.3 SUSAN角點檢測方法（作業） SUSAN算子使用的是圓形模板來進行角點探測,圓形模板有等方向性的特點。一般使用模板的半徑為3～4個像元。如圖 第二章 TITLE=VC圖像編程教案  模板置于每一個像素,將模板的每一個像像素與中心像素進行比較。  第二章 TITLE=VC圖像編程教案    其中I(r)表示r點像素的灰度值,r0表示模板中心像素。t表示一個限制閾值，這個值決定了所能檢測角點的最小對比度,也是能忽略的噪聲的最大容限。它主要決定了能夠提取 的特征數量越小,可從對比度越低的圖像中提取特征,而且提取的特征也越多。因此對于不同對比度和噪聲情況的圖像應取不同的t值。 現在一些研究已經可以把這個t值改進為自適應值。也就是說可以根據圖像的具體所含噪聲確定最好的t值。 第二章 TITLE=VC圖像編程教案  由函數n計算出所謂的USAN區域面積值。C(r0)表示以r0為中心的圓鄰域。然后由一個個局部非極大值抑制模板來確定最終角點。具體可由下式表述： 第二章 TITLE=VC圖像編程教案  式中g為非極大值抑制門限。門限g決定了輸出角點的USAN區域的最大值。g的大小不但決定了可從圖像中提取角點的多寡,它還決定了所檢測到的角點的尖銳程度。所以一旦確定了所需角點的質量(尖銳程度),g就可以取一個固定不變的值。一般情況下取1/2模板像素個數，例如7×7模板的g=37/2。 實驗圖片為： 第二章 TITLE=VC圖像編程教案  預計檢測結果：好于 第二章 TITLE=VC圖像編程教案  （本課用時約1小時30分）

【VC圖像編程教案 第二章】相關文章：

FrontPage教案-圖像04-25

《Photoshop圖像處理》教案04-25

第二章教案04-28

手繪線條圖像 (教案)04-25

合成圖像的教案設計04-25

第二章 基本操作(教案）04-25

編程的心得03-14

圖像記憶的原理03-06

常用函數圖像03-12

數控編程心得05-07