На основе градиента изображения (карта величины и карта направления) гауссовского дифференциала первого порядка проанализируйте влияние гауссовой дисперсии на градиент изображения.
В изображении всегда есть уникальные пиксельные точки, и эти точки можно рассматривать как особенности изображения и становиться характерными точками. Очень важное сопоставление характеристик изображения в области компьютерного зрения основано на характерной точке, поэтому очень важно, как определить и найти характерную точку на изображении. В этой статье я суммирую несколько наиболее часто используемых характерных точек и методов сопоставления признаков в поле зрения.
В области компьютерного зрения широко используется концепция точек интереса (также называемых ключевыми точками или характерными точками), включая распознавание объектов, регистрацию изображений, визуальное отслеживание, 3D-реконструкцию и т. д. Принцип этой концепции заключается в том, чтобы выбрать определенные характерные точки на изображении и проанализировать изображение локально, а не наблюдать за всем изображением. Вышеописанный метод работает хорошо, пока на изображении имеется достаточное количество обнаруживаемых точек интереса, и эти точки интереса различимы и стабильны по своему характеру и могут быть точно расположены.
Градиент функции изображения f (x, y) в точке (x, y) представляет собой вектор с величиной и направлением. Пусть Gx и Gy представляют градиенты в направлениях x и y соответственно. Вектор градиента может быть выражен в виде:
Величина этого вектора
Для цифровых изображений это эквивалентно нахождению градиента двумерной дискретной функции следующим образом: G(x,y) = dx(i,j) + dy(i,j); dx(i,j) = I(i+1,j) - I(i,j); dy(i,j) = I(i,j+1) - I(i,j); В цифровых изображениях разница больше используется для аппроксимации производная, простейшая. Градиентная аппроксимация выражения для выглядит следующим образом:
Направление градиента - это направление, в котором функция f(x, y) изменяется быстрее всего. При наличии краев на изображении должно быть большее значение градиента. Наоборот, при наличии относительно гладких участков в изображении изображение, значение серого изменяется меньше. , соответствующий градиент также мал. При обработке изображения модуль градиента называется градиентом, а изображение, составленное из градиента изображения, становится картой градиента. Классический алгоритм градиента изображения рассматривает изменение уровня серого в некоторой окрестности каждого пикселя изображения. , используя закон изменения первой или второй производной вблизи края, задаем оператор градиента для определенной окрестности пикселя в исходном изображении, обычно используем шаблон небольшой площади для свертки для расчета, есть оператор Собеля, оператор Робинсона, оператор оператора Лапласа и т. д. Качественный анализ, фильтрация по Гауссу (сглаживание) для сглаживания изображения сделает текущий пиксель ближе к окружающим пикселям, а естественная дисперсия между пикселями будет меньше. С точки зрения частотной области гауссовая фильтрация эквивалентна низкочастотной фильтрации, которая удалит из изображения «навязчивые» высокочастотные компоненты, а остальная часть, естественно, является относительно «ненавязчивой» частью, которая станет меньше в дисперсия.