包括形状因子、旋转信息、方向对称性等进行辅助分类,可以提高分类精度。在交通系统中:目前在道路交通自动控制中普遍使用的“电子眼”设备就是一种图像处理应用的典型例子。该设备采用摄像检测系统,即通过低度摄像机拍摄路口车辆,采用图像处理与分析的方法判断当红灯有效时是否有车辆通过,若检测到有时,冻结该通过车辆画面,并将其保存到JPEG有损压缩存储格式文件上。经典的边缘检测算子Sobel算子经典的Sobel算法Sobel微分算子是一种奇数大小(3*3)的模板下的全方向的微分算子。对数字图像的每个像素,考察它上、下、左、右邻点灰度的加权差,与之接近的邻点的权大。据此.定义Sobel算子如下:=[f(x+1,y-1)-f(x-1,y-1)]+2[f(x+1,y)-f(x-1,y)]+[f(x+1.y+1)-f(x-1,y+1)]=[f(x-1,y+1)-f(x-1,y-1)]+2[f(x,y+1)-f(x,y-1)]+[f(x+1.y+1)-f(x+1,y-1)]=(2.1.1)其卷积算子=,=适当取门限TH,作如下判断:>TH,(i,j)为阶跃状边缘点,{}为边缘图像。Sobel算子很容易在空间上实现,Sobel边缘检测不但产生较好的边缘检测效果,而且受噪声的影响也比较小。当使用大的领域时,抗噪声特性会更好,但这样做会增加计算量,并且得出的边缘也较粗。Sobel算子利用像素点上下、左右邻点的灰度加权算法,根据在边缘点处达到极值这一现象进行边缘的检测。Sobel算子对噪声具有平滑作用,提供较为精确的边缘方向信息,但它同时也会检测出许多的伪边缘,边缘定位精度不够高。当对精度要求不是很高时,是一种较为常用的边缘检测方法。算法的实现步骤:⑴分别将两个方向的模板沿着图像从一个像素移到另一个像素,并将模板的中心像素与图像中的某个像素位置重合;⑵将模板内的系数与对应的图像像素相乘;⑶将所有的乘积相加;
全文预览
