攀枝花動(dòng)畫制作公司教你如何提取圖像邊緣？
圖像的邊緣提取由L．G．Robert于1965年開始系統(tǒng)地研究，微分算子是邊緣提取的主要方法，該 方法利用像素點(diǎn)鄰域的信息進(jìn)行處理，常見(jiàn)的包括Sobel算子、Robert算子、拉普拉斯算子等。
為了減 少噪聲影響，Marr和Hildreth提出I。()G算法，即通過(guò)高斯濾波和拉普拉斯算子進(jìn)行處理。
而John Canny于1986年提出的Canny算子應(yīng)用更加廣泛。 隨著人工智能和數(shù)學(xué)理論的發(fā)展，近年來(lái)也出現(xiàn)了許多新的邊緣檢測(cè)方法，如基于數(shù)學(xué)形態(tài)學(xué)的 邊緣提取算子，基于神經(jīng)網(wǎng)絡(luò)的邊緣提取技術(shù)等，在此不做介紹。· 8.3.1
邊緣的特征 在人眼視覺(jué)中，邊緣的含義非常明顯，然而在flash圖像處理中，計(jì)算機(jī)卻難以直觀理解 在形式上，邊緣是一組相連的像素集合，這些像素處于兩個(gè)區(qū)域的邊界上，而從應(yīng)用上，由于兩 個(gè)不同區(qū)域的屬性不同，所以邊緣一般是圖像屬性（通常是灰度）變化劇烈的地方。
但在實(shí)際 圖像中，邊緣卻經(jīng)常是模糊的，如何尋找和確定邊緣，就是人們進(jìn)行邊緣檢測(cè)的目的。不過(guò)當(dāng) 前所有的邊緣檢測(cè)方法都是基于邊緣的一些特點(diǎn)進(jìn)行檢測(cè)的，沒(méi)有一種方法能保證找到和人 眼視覺(jué)意義上一致的“邊緣”。 從觀察圖像剖面的灰度曲線人手，可以看出，最直觀的邊緣應(yīng)當(dāng)具有如圖8.8(a)的形態(tài)。 然而在模糊的情況下，邊緣的情況可能類似于圖8.8(b)，即在一個(gè)區(qū)域中，灰度值不恒定。 H. 呈現(xiàn)線性關(guān)系，其斜率存在。更實(shí)際的情況是，圖像可能被噪聲污染，從而呈現(xiàn)圖8。8(c)的圖 像?？梢钥闯?，圖8.8(c)中幾乎不存在灰度恒定的區(qū)域，然而仍然可以確定出灰度變化劇翠l 的區(qū)域。 轉(zhuǎn)載請(qǐng)注明：攀枝花flash動(dòng)畫制作公司：http://www.bpbang.com/city237/