-
HALCON边缘检测
HALCON边缘检测
边缘检测的算法分类
基于查找的方法
通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向，是基于一阶导数的边缘检测算法
基于零穿越的方法
通过寻找图像二阶导数零穿越来寻找边界，通常是拉普拉斯过零点或者非线性差分表示的过零点，是基于二阶导数的边缘检测算法
Prewitt算子
通过利用像素点上下、左右邻点灰度差，在边缘处达到极值的方法检测边缘。它的方程和Sobel算子完全一样，因此都考虑了邻域信息，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。Prewitt算子不仅能检测边缘点，而且能抑制噪声的影响，因此对灰度和噪声较多的图像处理得较好。
卷积模板如下
A= [ 1 1 1 0 0 0 − 1 − 1 − 1 ] \left[ 111000−1−1−1 \right] ⎣ ⎡10−110−110−1⎦ ⎤
B= [ 1 0 − 1 1 0 − 1 1 0 − 1 ] \left[ 10−110−110−1 \right] ⎣ ⎡111000−1−1−1⎦ ⎤
prewitt_amp (ImageReduced, ImageEdgeAmp) threshold (ImageEdgeAmp, Regions, 25, 80)- 1
- 2
检出效果
Kirsch算子
Kirsch算法由K0K7八个方向的模板决定，将K0K7的模板元素分别与当前像素点的3×3模板区域的像素点相乘，然后选八个值中最大的值作为中央像素的边缘强度。
卷积模板如下
A= [ − 3 − 3 5 − 3 0 5 − 3 − 3 5 ] \left[ −3−35−305−3−35 \right] ⎣ ⎡−3−3−3−30−3555⎦ ⎤
B= [ − 3 5 5 − 3 0 5 − 3 − 3 − 3 ] \left[ −355−305−3−3−3 \right] ⎣ ⎡−3−3−350−355−3⎦ ⎤
C= [ 5 5 5 − 3 0 − 3 − 3 − 3 − 3 ] \left[ 555−30−3−3−3−3 \right] ⎣ ⎡5−3−350−35−3−3⎦ ⎤
D= [ 5 5 − 3 5 0 − 3 − 3 − 3 − 3 ] \left[ 55−350−3−3−3−3 \right] ⎣ ⎡55−350−3−3−3−3⎦ ⎤
E= [ 5 − 3 − 3 5 0 − 3 5 − 3 − 3 ] \left[ 5−3−350−35−3−3 \right] ⎣ ⎡555−30−3−3−3−3⎦ ⎤
F= [ − 3 − 3 − 3 5 0 − 3 5 5 − 3 ] \left[ −3−3−350−355−3 \right] ⎣ ⎡−355−305−3−3−3⎦ ⎤
G= [ − 3 − 3 − 3 − 3 0 − 3 5 5 5 ] \left[ −3−3−3−30−3555 \right] ⎣ ⎡−3−35−305−3−35⎦ ⎤
H= [ − 3 − 3 − 3 − 3 0 5 − 3 5 5 ] \left[ −3−3−3−305−355 \right] ⎣ ⎡−3−3−3−305−355⎦ ⎤
kirsch_amp (ImageReduced, ImageEdgeAmp1) threshold (ImageEdgeAmp1, Regions2, 160, 255)- 1
- 2
检出效果
-
相关阅读:
授予渔，从0开始搭建一个自己想要的网页
【多线程】线程池
介绍 Docker 的基本概念和优势，以及在应用程序开发中的实际应用。
【C++修炼之路】1. 初窥门径
【2022国赛模拟】[SDWC Day4] 数列——树形DP
Spark和Hbase环境变量冲突解决办法
leetcode题型分析《链表》
【PHPWord】PHPWord 根据word模板生成的内容动态生成目录以及页码更新（完整示例源码）
NAT模式和桥接模式的区别
为什么多数情况下GPT-3.5比LLaMA 2更便宜？
- 原文地址：https://blog.csdn.net/baidu_24565387/article/details/126659180