Questions tagged «edge-detection»

边缘检测是识别图像中图像亮度急剧变化的点的过程。

4
当边缘相互接触时，如何检测不同的对象？
此问题是从Stack Overflow 迁移而来的，因为可以在Signal Processing Stack Exchange上回答。 迁移 8年前。 我需要在从相机检索的图像中找到所有轮廓。因此，我首先使用Canny边缘检测器找到边缘，然后找到轮廓。很简单 但是，我的轮廓被“合并”了。例如，在下面的图像中，我显然有4个不同的对象。边缘在某些点上略有接触，所以我得到一个大轮廓，而不是四个单独的轮廓。我尝试更改阈值，侵蚀，形态学操作和类似操作，但是边缘保持轻微接触。有没有人对如何在类似于以下图像的图像中获得单独的轮廓有任何建议？（下面的图像显然只是一个例子，我的实际图像要复杂得多，但是具有相同的基本问题）。
3
级联双二阶部分以实现高阶滤波器的工作原理？
我正在尝试实现8阶IIR滤波器，并且我阅读的每个应用笔记和教科书都说，最好将2阶以上的任何滤波器实现为二阶部分。我tf2sos在MATLAB中使用了二阶部分的系数，这与我预期的4个二阶部分的6x4系数有关。在实施为SOS之前，八阶滤波器需要存储7个先前的采样值（以及输出值）。现在，当实现为二阶部分时，流程如何从输入到输出工作，我是否仅需要存储2个先前的样本值？还是第一个滤波器的输出馈x_in入第二个滤波器，依此类推？
20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d 
4
Canny Edge检测器的局限性是什么？
关于使用边缘检测的边缘检测算法和应用的大多数文献，都引用了Canny的边缘检测器。如此之多，以至于看起来几乎是边缘检测的“解决方案”。当然，它将在平衡噪声和保留边缘方面做得最好。 但是，出于好奇，Canny的边缘检测器是否值得关注？还是在Canny最好的应用领域？ 在这种情况下，更快的实现并不是真正的问题。边缘检测器好坏的重点应该在于所生成边缘的质量和实用性。 另外，我确实不是在关注特定于实现的问题。我正在寻找算法固有的更多理论限制或特征。
6
不同材质的图像分割问题
嗨，简历/模式识别社区， 关于图像的分割，我遇到了一个严重的问题。场景是炉子里的气氛，使我发疯。而且我需要在短时间内（<10秒）而不是仅在一种特殊情况下检测不同材料（玻璃，陶瓷，Al，Ir ...）的物体轮廓。我还需要代码的连续像素行中的轮廓。因此，还需要使用链代码或所谓的边界/轮廓跟随，因此开孔不好。在背景中会不时出现非线性噪声，大约是灰尘，颗粒或其他一些东西。 欢迎使用Matlab或OpenCV建议。 为了更加清楚，我发布了目标的另一个图像和一个半透明的对象，还需要对其进行检测。还需要注意其他示例。 正如您在图像＃1中看到的那样，图像的右侧部分和恒星的外轮廓附近（即物体）存在粒子。而且总体对比度不是很好。对象本身位于地下，与轮廓检测无关。图像＃2显示了半透明的物体，这也是可能的。 我想找到该物体的轮廓/周长，就像在下一个屏幕（红线）上一样。两个矩形（黄色）标记了起点（左侧）和终点（右侧）。蓝线是可忽略的。 起初我以为我可以只用过滤器解决那种肮脏的气氛。但是经过大量的投入时间，我才意识到，为了提高前景和背景的对比度，我必须大幅度消除或减少噪音。我尝试了很多方法，例如直方图均衡，自适应Otsu均衡，线性滤波器（例如高斯），非线性滤波器（中值，扩散），活动轮廓，k均值，Fuzzy-c-means以及纯Canny边缘检测结合形态运算符。 坎尼：粒子和大气正在造成孔洞，但是我需要物体的完整轮廓。仍然以形态算子的闭合，扩张还不够好。由于滞后作用，Canny仍然是我研究过的所有方法中最好的结果。 活动轮廓线：它们也可以在边缘/渐变上工作，在对象内部初始化后它们的行为完全疯狂，这可能是由于边缘贴图导致“开放”对象引起的。据我所知，轮廓必须闭合。尝试了不同的衍生产品（GVF / VFC /经典蛇）。 k均值：由于有雾的背景，结果包括炉内气氛。对于模糊C均值也是如此。由于将对象与背景分离，我选择了两个群集。簇越多，结果越弱。 直方图/ Otsu：由于灰度强度非常接近（恕我直言！），它会将对象与背景合并。尝试使用本地和全局方法。 滤镜：尤其是GLPF或其他LPF会弄脏边缘，效果不是很好，甚至不会减少有雾的气氛。 非线性滤镜保留边缘。它们中的大多数都花很长时间计算大图像。现在使用快速双边过滤器。结果见下文。 因此，没有一种方法足以满足后处理步骤的需要，因为对象段的获得结果与现有算法的竞争性较差。该现有算法非常本地化，因此适用于这种非常特殊的情况。 所以我问你，如果我完全错过了什么...我不知道如何加工以及如何获得良好的轮廓结果而又没有间隙或孔。 CCD和物理环境？提前致谢！ 到目前为止的最后一种方法（经过一整夜的MO实验）： 双边过滤器（保留边缘，但平滑均匀区域） Canny（Sigma = 2，Threshold = [0.04 0.08]） 形态运算（MO）： bwareopenclosing， remove和bridge bwlabel仅选择轮廓的周长，以消除不必要的噪音。尚无更新的屏幕截图，但适用于明星。玻璃杯有一个与外部轮廓相连的内部轮廓，也可以在下面的屏幕截图中看到。 因此，恐怕我需要一种特殊的算法来遍历外部轮廓。这将是对邻居的一些顺时针/逆时针查找。如果存在拐角，则可以切换顺时针/逆时针的步骤。如果有间隙，请增加半径并再次查看。如果存在以下两个或两个以上的观点，请选择与前一个观点相同的观点。您认为轮廓跟随算法有意义吗？
2
边缘检测器检测到的连接边缘
我有一个从Canny边缘检测器获得的二进制图像。在中心没有很好地检测到边缘，我需要加入它们。边缘的连接取决于方向和邻域。如果顶点低于阈值（例如小于5像素距离），则需要连接顶点。如果我的几乎线性特征定位良好，则应放宽此阈值。（这是最好的情况。） 我尝试了霍夫变换，但对我来说不起作用，因为我没有直线。膨胀和侵蚀也不好；他们使图像更加混乱。 我尝试的方法是先检测顶点和节点（在MATLAB中使用bwmorph），然后将叶子作为单独的功能。这样做如下： 在3x3窗口中扫描，寻找邻居。 遍历完整的连接对象。 尝试拟合一条线（或者可能是二次多项式）。 逐个功能检查是否值得连接。 实现不是很简单，因为需要连接顶点的决策部分比较棘手。
1
检测二维点云中的圆（椭圆）
给定一组点（2D）即，点云（PC），问题是关于一个robust，accurate和computing-friendly方法找到圆（或椭圆形的高级版本）。 直观的想法是在所有可能的点（作为中心）{无限！}和半径（再次无限！）上使用蛮力搜索。这是极其缓慢且效率低下的。 如图所示，每个拟合的圆将基于圆周长上的点数（nn）短于阈值（t）进行排名。因此derr存在一个平均距离。 在高级形式中，需要安装椭圆形。 有什么想法，头脑风暴，经验，评论吗？
1
估计噪音突然爆发的开始时间？
可以使用哪些技术来估计噪声信号中正弦音调突发的开始时间？ 假设音调突发具有已知的固定频率（但相位未知）和非常陡峭的上升时间，并且目标是在不到上升时间的一半和/或音调频率的一个周期内估计开始时间， 如果可能的话。如果信噪比非常低（远小于1），估计技术将如何改变？ 补充：假设音频脉冲串的长度未知，但比上升时间和频率周期的一小部分长。 补充：DFT / FFT显示了很可能存在音调。问题是要精确地找出在FFT窗口内的音调（或相同频率的多个音调猝发）可能在FFT窗口中的何处开始，或者确定当前音调是否从该DFT窗口之外开始，其他时域数据。 雷达脉冲检测的精度更接近于我需要的分辨率，除了我只有一个边缘，因为音调的长度未知，并且除了已知的上升时间以外，均未调制。窄带通滤波器会使上升时间失真，从而使边缘到达估计分辨率降低。
2
确定正确的位置放置标签
在下图所示的图像中，我有一个2D数据集，其中标识了四个标记为的聚类[0,1,2,3]。我正在寻找一种算法，可以针对每种形状以自然*的方式放置标签。我的第一个猜测是将它们放置在群集的“质量中心”，如下所示。对于连续的群集，这很好。0但是，对于形状像群集一样的群集，该方法将失败。如果不使用图例，将标签放置在此图像上的更好方法是什么？ * 这里的自然程度在某种程度上是主观的，但是标签的重点是帮助查看者将xy平面中的某个区域与数字相关联。
3
边缘检测可以在频域中进行吗？
我们可以利用图像FFT中的高频分量通常对应于边缘这一事实来在傅立叶域中实现边缘检测算法吗？我确实尝试过将高通滤波器与图像的FFT相乘。尽管生成的图像种类对应于边缘，但它并不是使用卷积矩阵建立的边缘检测。那么，您有什么方法可以在傅立叶域中进行边缘检测，或者根本不可能？
4
卷积如何表示为矩阵乘法（矩阵形式）？
我知道这个问题可能与编程无关，但是如果我不了解图像处理背后的理论，那么我将永远无法在实践中实现某些功能。 如果我做对的话，高斯滤波器会与图像卷积以减少噪声，因为它们可以计算像素邻域的加权平均值，并且在边缘检测中非常有用，因为您可以应用模糊并同时得出图像只需与高斯函数的导数卷积即可。 但是，谁能给我解释一下，或者给我一些有关它们如何计算的参考呢？ 例如，Canny的边缘检测器谈论的是5x5高斯滤波器，但是他们如何获得这些特定的数字呢？以及它们如何从连续卷积变为矩阵乘法？
3
色度二次采样：如何正确计算数据速率
我很难理解在利用Y'UV图像中的色度二次采样时如何计算数据速率： 我有以下示例进行计算： 图像分辨率：352*288 频率：25 fps 对于（4：4：4），示例计算如下： (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s 到目前为止，一切都很好。 但是现在来了（4：2：0）： (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s 现在，尝试将此示例转换为例如（4：1：1），我意识到我不确定自己是否正确理解如何计算1.5个颜色通道的比率。 我对计算的第一个猜测是在（4：2：0）的情况下： 2/4*3=1.5 color channels 同样，对于（4：1：1），我将计算颜色通道的比率为： 1/4*3=0.75 color channels 但是我根本不确定这是否是正确的方法。 …
1
您能否描述改变Canny边缘检测器的不同参数的影响？
最后两个问题涉及Canny边缘检测器 Canny边缘检测器的局限性是什么？ 和 分割叶中的静脉的最佳方法？ 该算法的基本概述如下： 一个。应用高斯卷积。（在此处选择） b。应用2D导数 c。跟踪此边缘的脊线并使用滞后性较低和较高的T0和T1（此处将选择和）进行阈值处理（将不在边缘的像素设置为零）。 σσ\sigmaŤ0T0T0Ť1个Ť1个T1 阅读本文以获得更多背景信息。 同时，据称Canny是最优的；当获得实际结果很重要时，和上面列出的调整因子确实有很大的不同。σ，Ť0 ，σ，Ť0，\sigma, T0,Ť1个Ť1个T1 那么，如何实际选择这些（调整）参数呢？即使没有确定的方法或价值，了解这一点的一般技巧是什么？
1
罗伯茨边缘探测器如何使用？
我正在尝试使用Roberts边缘检测来处理图像。我是否仅将两个蒙版都应用于图像并像往常一样执行卷积？有人可以给我介绍如何使用这种边缘检测方法，因为我正在尝试对其进行编程以处理灰度图像。我分别使用两个内核对图像进行了卷积处理，但是图像凹痕看起来不错。 谢谢。
2
关于哈雷特的解释
会有人能够给我一些信息或链接等..关于haarlets又名Haar小波状特征。我正在阅读几篇针对我的硕士论文的文章，其中几篇文章简要提到了haarlets。我似乎无法真正了解它们的用途和用法。抱歉，这是一个基本问题。但我真的很感谢有关该主题的一些清晰，结构化的信息。
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.