基元的概念

基元泛指圖像中有特點的單元。常說的基元有：邊緣、角點、斑點、直線段、圓、等
基元檢測是圖像分析的基礎

邊緣（Edge）檢測

邊緣是圖像中像素灰度值發生劇烈變化而不連續的結果
邊緣是賦予單個像素的一種性質，與圖像函數在該像素的一個鄰域內的梯度特性相關
邊緣幅值：梯度的幅值
邊緣方向：梯度方向旋轉-90度

邊緣檢測既是常見基元檢測的基礎，也是基于邊界的圖像分割的第一步。

邊緣檢測算法

【OpenCV】邊緣檢測：Sobel、拉普拉斯算子
【OpenCV】邊緣檢測：坎尼算子算子

斑點（Blob）檢測

斑點：與周圍灰度有一定差別的區域

• 面部的雀斑
• 衛星照片中的一棵數
• 鋼材X光照片中的雜質或氣泡
• 醫學圖像中的細微腫塊

斑點檢測算法

【OpenCV】LoG算子：SIFT算法
【OpenCV】Blob特征檢測算子

角點（Conner）檢測

角點：物體的拐角、交叉點、 曲線上曲率最大的點等
角點的鄰域是圖像中信息比較豐富的區域

角點檢測方法

• 基于邊緣的方法：在小鄰域內有兩個不同的主邊緣方向，實際圖像中，孤立點、線段端點也會有類似特性。缺點是：1)需要先提取邊緣并編碼，計算量大；2)局部變化對穩定性影響大。
• 基于灰度的方法：計算點的曲率和梯度，目前的主流

角點檢測算法：

【OpenCV】角點檢測：Harris算子

哈夫變換-幾何形狀檢測

基本哈夫變換：直線檢測

點–線對偶性：直線所在的圖像空間（記為XY）和參數空間PQ（p斜率,q截距）之間的一一映射
XY空間中的直線檢測就等同于PQ空間的點檢測

基本哈夫變換：曲線檢測

對于任意能夠用f(x,c)=0（其中x是圖像點坐標矢量，c是參數矢量）表示曲線或目標輪廓，均可用類似的方法檢測，只是計算復雜度隨著c維數的增加而增加，需要考慮降維

廣義哈夫變換：目標檢測

問題：待檢目標不是參數化曲線（如正方形），而只是一組輪廓點，希望自動檢測目標的存在及其中心參考點(p,q)
廣義哈夫變換能夠檢測到特定目標的位置（即參考點(p,q) ），或者說任意位置的待檢目標都是可以發現的，滿足平移不變性

多尺度檢測

萬物都有其合適的尺度

• 原子和基本粒子：普朗克常數
• 集成電路：微米、納米
• 人、車、樹、建筑：米-厘米-毫米
• 地理：千米
• 太空：光年

多分辨率 與 尺度空間

多分辨率（ 圖像金字塔）：（低通濾波）再下采樣，多級進行形成金字塔;可能出現假結構.
尺度空間（Wikin’83）：用一列單參數、寬度遞增的高斯濾波器將原始信號濾波而得到的一組低頻信號;高斯核是實現尺度變換的唯一變換核，具有多種優良性質，不會引入假信號

【OpenCV】尺度空間與圖像金字塔

源碼及程序下載：http://download.csdn.net/detail/xiaowei_cqu/5155661

http://www.pudn.com/downloads521/sourcecode/graph/opencv/detail2163978.html

（轉載請注明作者和出處：http://blog.csdn.net/xiaowei_cqu?未經允許請勿用于商業用途）

總結

以上是生活随笔為你收集整理的基元检测 Primitive Detection的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。