【自用】图像算法、计算机视觉面试问题及答案1.0

发布时间:2024-05-27 18:01

传统机器算法

4.11

  • 图像预处理

图像预处理的主要目的是消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性、最大限度地简化数据,从而改进特征提取、图像分割、匹配和识别的可靠性。 一般的预处理流程为:灰度化->几何变换->图像增强

  • 图像增强

增强图像中的有用信息,它可以是一个失真的过程,其目的是要改善图像的视觉效果,针对给定图像的应用场合,有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。
图像增强可分成两大类:频率域法和空间域法。

1.频率域法

频率域法是一种间接图像增强算法,把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法,可去掉图中的噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。

2.空间域法

空间域法是一种直接图像增强算法,分为点运算算法和邻域去噪算法。
点运算算法即灰度变换(伽马变换、对数增强)和直方图修正等。
邻域增强算法分为图像平滑和锐化两种。平滑常用算法有均值滤波、中值滤波。锐化常用算法有梯度法(如Roberts梯度法)、算子法(Sobel算子和拉普拉斯算子等)、掩模匹配法、统计差值法等。

  • 传统的边缘检测算子

1、Roberts算子

Robert是最老的算子之一

掩膜:只使用当前像素的 2 x 2 邻域

\"\"

边缘幅度的计算:对角相减 再 相加

\"\"

Roberts算子的主要缺点是其对噪声高度敏感性,原因在于仅使用了很少几个像素来近似梯度

2、Laplace 算子

通常使用 3 x 3 的邻域,Laplace是近似给出边缘幅值二阶导数的 流行方式

4-邻接 掩膜:

\"\"

8-邻接 掩膜:

\"\"

Laplace算子有一个缺点是它对图像中的某些边缘产生双重响应

3、Prewitt算子

Prewitt 是 近似一阶导数

对于3 x 3 的卷积掩膜,在8个可能方向(有8个卷积掩膜)上估计梯度

具有最大幅值的卷积给出梯度方向

前三个卷积掩膜(后续的可以通过“旋转”获得):

\"\"

4、Sobel

Sobel 是 近似一阶导数,具有最大幅值的卷积给出梯度方向

Sobel算子是通常使用与水平和垂直边缘的一个简单检测子

\"\"

5、Kirsch算子

\"\"

边缘检测算子的主要缺点:

它们依赖物体的大小,且对噪声敏感

  • Canny算法

Canny边缘提取 是 Canny 提出了一种新的边缘检测方法

Canny边缘检测分四个阶段

    1.去噪  通过一个5*5的高斯滤波器完成;
    2.找图像的边缘。利用Sobel kernel得到水平和垂直方向两个方向的梯度。
    3.过滤非最大值。在高斯滤波中,边缘很有可能被放大了。过滤不是边缘的点.
    4.使用两个值域来检测边缘。它设置两个阀值,分别为maxVal和minVal。其中大于maxVal的
都被检测为边缘,而低于minval的都被检测为非边缘。对于中间的像素点,如果与确定为边缘的
像素点邻接,则判定为边缘;否则为非边缘。

它对受白噪声影响阶跃型边缘最优

检测子的最优性与以下的三个标准有关:

1、检测标准:不丢失重要的边缘,不应有虚假的边缘。

2、定位标准:实际边缘与检测到的边缘位置之间的偏差最小。

3、单响应标准:将多个响应降低为单个边缘响应。

最优性标准是基于如下要求:“检测”重要边缘、小的“定位”误差、“单边缘响应”。该检测子与一个对称 2D 高斯做卷积,再沿梯度方向微分;接着的步骤包括“非最大边缘抑制”、“滞后阈值化处理”和“特征综合”。

在Canny算法中,非极大值抑制是进行边缘检测的重要步骤,通俗意义上是指寻找像素点局部最大值,将非极大值点所对应的灰度值置为0,这样可以剔除掉一大部分非边缘的点(这是本人的理解)。 根据图可知,要进行非极大值抑制,就首先要确定像素点C的灰度值在其8值邻域内是否为最大

ItVuer - 免责声明 - 关于我们 - 联系我们

本网站信息来源于互联网,如有侵权请联系:561261067@qq.com

桂ICP备16001015号