×
图像处理经常用于在连续图像中跟踪移动物体。它从传感器接收图像的连续流，根据输入图像的数据选择跟踪物体。初始图像不断被加强，然后进行分割，以定位物体或找出感兴趣的区域。定位物体或区域后，检查出可以终划分物体的特征。所有确认物体在后续图像中被跟踪，以确定它的速度和运动方向。在图像处理中，一幅图像被分割之前，图像中的物体必须被检测并根据形状和边界特征进行粗略的划分。边界指的是图像中明显的局部变化，它是图像分析的重要特征。边缘检测通常是从图像中恢复信息的步。在过去的20年虽产生了许多边缘检测器，如Rorberts算子、Sobel算子、Prewitt算子、Laplacian算子等。曲于Sobel算法只涉及加法操作，但却可以得到很好的划分效果，因而是图像处理系统中常用的边缘检测算法。
Sobel算法包括带4个3×3掩码的输入图像数据，即Sobel算子，它设置权重来检测水平、垂直、左对角、右对角各个不同方向上密度幅度的不同。这个过程通常被称为过滤。下面我们来看一个3×3的像萦窗口，如图1所示。
水平、垂直、左对角、右对角各图像方向上密度幅度的变化可以用如下算子进行计算：
H、V、DL、DR这四个参数用于计算梯度大小和方向。
图1 像素窗
对梯度大小的一个普遍估计值为
Magnitude＝Max（H，V， DR，DL）
我们通过对图像灰度作直方图分析后，便可以给出区分度阈值Threshold，区分度阈值往往要借助一定的经验并需要反复调整。如果Magnitude大于Threshold，则该像素被声明为边界像素，否则为一般像素。
『本文转载自网络,版权归原作者所有,如有侵权请联系删除』
热门文章
更多
说说那些你不知道的电路设计及PCB布线时的可靠性原则
APP下载
登录
