当前课程知识点：现代图像分析 > 第七章 图像分割 > 7.3 边缘线跟踪 > 7.3.1 局部边缘连接法及光栅扫描跟踪法学习视频
同学们好，今天我们给大家介绍
图像分割中的边缘线跟踪方法
我们知道不管是梯度算子、方向梯度算子、还是线检测模板
对图像进行检测的时候，获得的都是满足条件的一些离散的点
这里面既包含真正的边缘点
也包含噪声点以及其它的一些干扰点
同时，检测出来的边缘点也可能是位于不同边缘上的像素点
而且我们在边缘点组成边缘线的时候
还会发现中间可能会存在断裂的现象
因此，本次课我们给大家介绍的边缘线跟踪
就是要把检测到的这些边缘点连成边缘线
边缘线跟踪的方法主要有三种
第一种是局部边缘连接法
第二种是光栅扫描跟踪法
第三种是Hough变换的方法
本次课我们主要给大家介绍
局部边缘连接法和光栅扫描跟踪法
首先，我们来看一下局部边缘连接法
局部边缘连接法就是把边缘点连成边缘线的一种最简单的方法
它是依据事先确定的一个准则，把相似的边缘点连接成线
这种方法是以局部梯度算子处理后的梯度图作为输入
连接的过程大体上可以分为两步
第一步，首先是要选择可能位于边缘线上的一些边缘点
那么什么样的点可能是位于边缘线上的点呢？
也就是说，如果在一个像素点的一个小邻域内
它的梯度的幅度值超过了给定的阈值
那么具有最大梯度值的这个点，就被作为候选的边缘点
对每一个候选点，利用方向梯度
或者是模板匹配的方法就可以确定它的边缘方向
第二步呢，就是对于相邻的候选的边缘点
我们根据事先确定的相似性准则，来判断这两个点是不是要连接
那怎么来判断呢？就是说如果这两个候选点
它在梯度和方向上它的差值都在某一个阈值范围之内
我就认为这两个点，它是在同一个边缘上
所以，就把它连接起来
也就是说，相似性准则就是处在同一个边缘上的点
应该具有相似的梯度幅度值和梯度的方向
这种方法是基于边缘的局部特性进行边缘连接
所以，容易受到噪声的干扰和影响
下面我们来介绍另外一种边缘线的跟踪方法，叫做光栅扫描跟踪法
光栅扫描跟踪法是按照电视光栅行的扫描顺序
对遇到的像素进行阈值的判断，而实现的一种边缘跟踪的方法
这种方法实现比较简单，但是它有一个明显的缺陷
这个缺陷就是，如果线条的灰度值从上而下是由小变大
那么在最开始的时候就检测不到线条
此外，如果跟踪的线条方向是接近水平的
那么，用自上而下的扫描方式也可能会发生漏跟的现象
光栅扫描跟踪法的主要步骤，我们来看一下
第一步，首先要设立两个门限
分别是检测门限和跟踪门限，并且检测门限要大于跟踪门限
第二步，把每一行中达到检测门限的点
我们把它标记做1，那么标记的这些点
作为下一步跟踪的起点，这是检测准则
然后，对比如说，我们现在扫描到了第m行
那么，我们对第m行上被标记为1的一个点(m,n)
我们就在下一行的n-1列 n列和n+1列
也就是说，在当前这个像素点下一行的前一列，当前列和后一列
然后进行跟踪的判决，只要这些点的灰度值达到跟踪门限
我们也把这些点标记成1，这些标记为1的点
就是下一行的一个起始点
那么这个呢就是跟踪的准则
当整幅图像扫描完成以后，跟踪过程就结束了
下面，我们通过具体的例子来给大家做一个讲解
左边这个图就是一个原始的梯度图
没有标记的地方全部都代表的是0
然后这个图是我们做了一个阈值，把它的阈值取做7的时候
做了一个二值化的结果
那么它呢，是阈值取4的时候做了一个二值化的结果
那么这两个图中，我们可以看到
因为它取得阈值是， 阈值取得比较高
所以，我们可以看到很多在这个原始图像中
可能是位于边界上的点，由于你的阈值取得比较高
全部被滤除掉了，所以漏检的比较多
而这个图是，由于我们取得阈值比较低，取了个4
所以，在原始图像中一些明显看到这是噪声点的地方
它也被保留下来了，所以就是虚警比较大
而这个图就是我们用光栅扫描跟踪法检测到的一个线条
其中，我们的这个跟踪门限和这个检测门限分别是4和7
那么这个图，我们可以看到明显的检测出来了三个边缘线条
下面我们来看一下
首先，我们来看第一步，要做一个判断
在第一行中，因为我们的判断阈值取的是7
所以，我们看第一行中，第一行第一列元素是9
它是大于大于7的，所以我们把它首先标成是1
第一行中其它的里面还有一个8是大于7的
所以把9和8都标成了是1
也就是说，对于这个图中，它和它是取了1，剩下的都是取0
然后，在第二行中因为这个9，它是位于第一列的
所以，在第二行中进行跟踪检测的时候
我们看的是这个像素点和这个像素点
其中9下面的是0，0和9之间的差值是等于9
是大于我们的跟踪门限的
所以，我们就把它省略去了就不考虑
然后，下面这个点是5
5和9之间的差值是小于等于我们的跟踪门限4的
因此，我们认为这个点，它就处在边界上
因此，把它标做是1，同样的道理对于这个8来讲
这个6和8的差值是小于4的，所以也标成是1
依次类推，我们利用这种光栅扫描跟踪法
就可以得到三条完整的边界线
针对刚才我们提到的当跟踪线接近水平时呢
采用自上而下的扫描方式可能会发生漏跟
我们就可以采用自上而下、自下而上
并且按照从左到右和从右到左的顺序来分别进行扫描
然后，综合这四种扫描方式就可以得到更好的结果
当然，这是以增加计算量为代价的
好，今天的主要内容就给大家介绍到这里
谢谢大家 再见
-1.1 图像及图像的基本概念
--1.1.2 图像及图像的基本概念作业
-1.2 数字图像处理的起源
--1.2.2 数字图像处理的起源作业
-1.3 数字图像处理的步骤和方法
--1.3.2 数字图像处理步骤和方法作业
-1.4 数字图像处理系统的组成
--1.4.2 数字图像处理系统的组成作业
-1.5 数字图像处理主要应用领域
--1.5.2 数字图像处理主要应用领域作业
-2.1 色度学基础
--2.1.3 色度学基础作业
-2.2 人的视觉特性
--2.2.1 人的视觉特性作业
-2.3 图像数字化
--2.3.2 图像数字化作业
-2.4 数字图像特点
--2.4.2 数字图像特点作业
-3.1 图像变换的基本概念
--3.1.2 图像变换的基本概念作业
-3.2 图像的几何变换
--3.2.2 图像的几何变换作业
-3.3 图像的离散傅立叶变换
--3.3.2 图像的离散傅立叶变换作业
-3.4 图像变换的一般表示形式
--3.4.2 图像变换的一般表示形式作业
-3.5 图像的离散余弦变换
--3.5.2 图像的离散余弦变换作业
-3.6 图像离散沃尔什-哈达玛变换
--3.6.2 图像离散沃尔什-哈达玛变换作业
-3.7 K-L变换
--3.7.2 K-L变换作业
-4.1 图像的对比度增强
--4.1.2 图像的对比度增强作业
-4.2 直方图修正
--4.2.3 直方图修正作业
-4.3 图像平滑
--4.3.4 图像平滑作业
-4.4 同态滤波
--4.4.2 同态滤波作业
-4.5 图像锐化
--4.5.2 图像锐化作业
-4.6 图像的彩色增强
--4.6.2 图像的彩色增强作业
-5.1 退化模型及常见退化模型
--5.1.2 退化模型及常见退化模型作业
-5.2 图像的无约束恢复
--5.2.2 图像的无约束恢复作业
-5.3 图像有约束最小二乘恢复
--5.3.2 图像有约束最小二乘恢复作业
-6.1 概述
--6.1.1 概述作业
-6.2 图像编码基本理论
--6.2.2 图像编码基本理论作业
-6.3 无损编码理论
--6.3.2 无损编码理论作业
-6.4 霍夫曼编码
--6.4.2 霍夫曼编码作业
-6.5 算数编码
--6.5.2 算数编码作业
-6.6 预测编码
--6.6.2 预测编码作业
-6.7 正交变换编码
--6.7.2 正交变换编码作业
-7.1 图像分割的定义及依据
--7.1.2 图像分割的定义及依据作业
-7.2 边缘点检测
--7.2.2 边缘点检测作业
-7.3 边缘线跟踪
--7.3.3 边缘线跟踪作业
-7.4 门限化分割
--7.4.2 门限化分割作业
-7.5 区域分割法
--7.5.2 区域分割法作业
-7.6 聚类分割法
--7.6.3 聚类分割法作业
-8.1 像素间的基本关系
--8.1.2 像素间的基本关系作业
-8.2 目标物的边界描述
--8.2.2 目标物的边界描述作业
-8.3 目标物的区域描述
--8.3.2 目标物的区域描述作业
-8.4 图像的几何特征
--8.4.2 图像的几何特征作业
-8.5 特征描述子
--8.5.4 特征描述子作业
-9.1 图像匹配
--9.1.2 图像匹配作业
-9.2 图像分类
--9.2.2 图像分类作业
-9.3 图像识别
--9.3.2 图像识别作业
-9.4 模式识别分类专题
--9.4.4 模式识别分类专题作业
-中国天网
-车道检测
-期末测试
--期末测试
