当前位置: 代码迷 >> 综合 >> 边缘检测(下)+高斯偏导核+Canny边缘检测算法+Fitting拟合(最小二乘法)
  详细解决方案

边缘检测(下)+高斯偏导核+Canny边缘检测算法+Fitting拟合(最小二乘法)

热度:47   发布时间:2024-02-11 08:25:56.0

边缘检测的模板

在这里插入图片描述

噪声的影响+如何解决(高斯偏导核)

在这里插入图片描述
先卷积平滑,后求导,检测边缘
在这里插入图片描述
先将高斯核求偏导,再做卷积去噪,检测边缘
在这里插入图片描述
在这里插入图片描述
白的权值越大,黑越小(负数)

在这里插入图片描述
西格玛的影响

高斯核对比高斯偏导核:目标和意义
在这里插入图片描述

Canny 边缘检测

1.用xy方向的filter去求xy方向的梯度值,再先求幅值,同时找到梯度方向
在这里插入图片描述

2(这步要改).设置阈值去噪,后遇到的问题? 边缘太粗了
在这里插入图片描述
3.非最大化抑制,如果rp不在整数点上就用双线性插值,以四周的点加权求和
在这里插入图片描述
在这里插入图片描述
门限设置太高,脖子的边缘去掉了,怎么办?

  1. 双门限法:先高后低,低的边缘一定是会跟粗的相连
    在这里插入图片描述
    看效果
    在这里插入图片描述
    算法总结:
    在这里插入图片描述

Fitting拟合

找到物体中心准确位置,画出边缘

拟合面临的问题
在这里插入图片描述
方法汇总
在这里插入图片描述

1最小二乘法:所有的点都在线上(包括噪声)

推导:
在这里插入图片描述
最小二乘遇到的问题:
在这里插入图片描述

全最小二乘法

因为一个矩阵乘一个向量为0,则=矩阵的一个特征值乘特征向量
所以转换为求A的特征值为0的那个对应的特征向量就是N
在这里插入图片描述
在这里插入图片描述
全最小二乘遇到的问题:外界噪声
在这里插入图片描述

以最大似然(高斯分布决定)来看待最小二乘法:
在这里插入图片描述
在这里插入图片描述

根据西塔来设置门限

在这里插入图片描述

https://www.bilibili.com/video/BV1nz4y197Qv?p=3&t=4883

  相关解决方案