03边缘检测canny detection

总结： 什么是边缘：向量突变的地方 为什么要检测边缘：边缘能够更紧凑地表达图像信息 边缘应该怎么计算：用求导的方法，在图像里面 在真实工程里面发型不好用：需要先平滑，再求导 Canny detection： 非最大化抑制：留下最大（留下轮廓

两阶段门限：高门限找出强边，低门限连上边，延续边

1、边缘检测

不连续的就是边 希望用边来紧凑地表达图像，表达图像的含义

目标：识别图像中的突然变化（不连续性） 直观地说，图像中的大多数语义和形状信息都可以编码在边缘

比像素更紧凑 理想：艺术家的线条画（但艺术家也在使用对象级的知识）

边有几种？ 对于不同物品，关注的边类型不一样

怎么提取边？ 边缘特征 边缘是图像强度函数中快速变化的一个地方 数学中怎么找信号突变？==》导数突变的地方，找极值

导数，近似 我的导数是我右边这个哥们减我的结果

图像的偏导数 sobel：先高斯，再提取边缘

2、梯度Image gradient

点的梯度：

梯度点指向强度增加最快的方向 梯度方向和边垂直

----------------==--不太懂---==---------------------------------------------------------------------------------------------------------------------

---

一阶导需要哪些参数：窗宽，标准差σ 高斯一阶导越大，

Smoothing vs. derivative filters 平滑化滤波器 - 高斯：去除 "高频率 "成分。"低通 "滤波器 - 平滑滤波器的值不可以是负数 - 这些值的总和应该是1 – One: constant regions are not affected by the filter	
高斯偏导核 - 高斯的导数 - 衍生滤波器的值可以是负数 - 这些值的总和应该是0 – Zero: no response in constant regions - 在高对比度的地方有高的绝对值	

3、Canny detection（重点）

方法：设置阈值 设置门槛过滤不符合条件的数据

	 设置“门限” 去噪了一下

方法：Non-maximum suppression非最大化抑制 和左右邻居对比梯度值是否最大，如果是，则他们不存在，我就是最大的

前	后
	

存在的问题：线断了，为什么，门限太高了 但是如果门限太低，假边就留下了

怎么办 Canny detection对门限进行改下 双门限法 先用高门限，把粗狂的边检测出来（噪声可能性小） 再降低门限，继续检测 噪声边和强边缘联系小

Canny detection算法步骤

1. 用高斯的导数过滤图像 2. 找到梯度的大小和方向 3. 非最大限度的压制。 - Thin wide “ridges” down to single pixel width 4. 连接和阈值处理（hysteresis）。 - 定义两个阈值：低和高 使用高阈值来找出强边缘线，使用低阈值来延续它们。（把有连接关系的边找回来）	1. Filter image with derivative of Gaussian 2. Find magnitude and orientation of gradient 3. Non-maximum suppression: • Thin wide “ridges” down to single pixel width 4. Linking and thresholding (hysteresis): • Define two thresholds: low and high • Use the high threshold to start edge curves and the low threshold to continue them