基元检测 Primitive Detection

基元的概念

基元泛指图像中有特点的单元。常说的基元有：边缘、角点、斑点、直线段、圆、等

基元检测是图像分析的基础

边缘（Edge）检测

边缘是图像中像素灰度值发生剧烈变化而不连续的结果

边缘是赋予单个像素的一种性质，与图像函数在该像素的一个邻域内的梯度特性相关

边缘幅值：梯度的幅值

边缘方向：梯度方向旋转-90度



边缘检测既是常见基元检测的基础，也是基于边界的图像分割的第一步。

边缘检测算法

【OpenCV】边缘检测：Sobel、拉普拉斯算子

【OpenCV】边缘检测：坎尼算子算子

斑点（Blob）检测

斑点：与周围灰度有一定差别的区域
面部的雀斑
卫星照片中的一棵数
钢材X光照片中的杂质或气泡
医学图像中的细微肿块

斑点检测算法

【OpenCV】LoG算子：SIFT算法
【OpenCV】Blob特征检测算子

角点（Conner）检测

角点：物体的拐角、交叉点、 曲线上曲率最大的点等

角点的邻域是图像中信息比较丰富的区域

角点检测方法

基于边缘的方法：在小邻域内有两个不同的主边缘方向，实际图像中，孤立点、线段端点也会有类似特性。缺点是：1)需要先提取边缘并编码，计算量大；2)局部变化对稳定性影响大。
基于灰度的方法：计算点的曲率和梯度，目前的主流

角点检测算法：

【OpenCV】角点检测：Harris算子

哈夫变换-几何形状检测

基本哈夫变换：直线检测

点–线对偶性：直线所在的图像空间（记为XY）和参数空间PQ（p斜率,q截距）之间的一一映射

XY空间中的直线检测就等同于PQ空间的点检测

基本哈夫变换：曲线检测

对于任意能够用f(x,c)=0（其中x是图像点坐标矢量，c是参数矢量）表示曲线或目标轮廓，均可用类似的方法检测，只是计算复杂度随着c维数的增加而增加，需要考虑降维

广义哈夫变换：目标检测

问题：待检目标不是参数化曲线（如正方形），而只是一组轮廓点，希望自动检测目标的存在及其中心参考点(p,q)

广义哈夫变换能够检测到特定目标的位置（即参考点(p,q) ），或者说任意位置的待检目标都是可以发现的，满足平移不变性

多尺度检测

万物都有其合适的尺度
原子和基本粒子：普朗克常数
集成电路：微米、纳米
人、车、树、建筑：米-厘米-毫米
地理：千米
太空：光年

多分辨率 与 尺度空间

多分辨率（ 图像金字塔）：（低通滤波）再下采样，多级进行形成金字塔;可能出现假结构.

尺度空间（Wikin’83）：用一列单参数、宽度递增的高斯滤波器将原始信号滤波而得到的一组低频信号;高斯核是实现尺度变换的唯一变换核，具有多种优良性质，不会引入假信号



【OpenCV】尺度空间与图像金字塔

源码及程序下载：http://download.csdn.net/detail/xiaowei_cqu/5155661

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

（转载请注明作者和出处：http://blog.csdn.net/xiaowei_cqu 未经允许请勿用于商业用途）