了解删除边缘

Question

这是对筛除算法边缘一个简单的概念，但它是很难理解......如果任何人都可以用图像的帮助，我将不胜感激，解释它的概念..

“ 。我们的想法是在关键点，以计算两个梯度两个彼此垂直的基于围绕所述关键点在图像上，三种可能性存在周围的关键点的图像可以是：

平坦区域
如果此是这种情况，两种梯度都会很小。

边缘
这里，一个梯度将大（垂直于边缘），而另一个将是（沿边缘）

A“角”小
这里，两个梯度将大。

角是伟大的关键。所以我们只需要角落。如果两个渐变都足够大，我们让它通过一个关键点。 “

Answer 1

由于标签SIFT表示问题/摘录与计算机视觉中使用的局部图像特征有关，所以您正在研究的算法删除边缘不在摘录中。显示图像的边缘，你可以使用Canny Edge Detector on Wikipedia 你摘录主要讲解如何角落在灰度图像，这是特征检测有用的检测

的动机是：。

• 自然图像包含大量复杂的视觉信息。您希望在不同图像上检测到的物体可以旋转，变形，遮挡，在不同的照明条件下观看等。这使问题变得很难。
• 解决这个问题的一个想法是识别对象的较小部分并在整个图像中重新检测它们。如果这些部分的足够大的子集出现在另一个图像中，并且它们在几何上一致，则可以争辩说该对象在另一图像中是部分可见的。
• 现在，如果用矩形滑动窗口循环显示图像，则必须确定该补丁是否包含足够的视觉信息，以便可以在不同的图像中重新检测该信息。这是一个开放的问题。另请参见Interest Point Detection on Wikipedia

我们尝试在低级别简化问题，并尝试使用理论示例避免概念错误。

• 作为一种简化，忽略颜色，因此我们有一个灰度图像。
• 只有白色像素的补丁肯定不是唯一可识别的白墙。规模，旋转，除了颜色之外的其他所有东西都是模糊的。这是您的摘录中的“平坦区域”。
• 假设在该本地补丁中有一个像素厚度的黑色直线。现在你有一些较少ambigouty。例如，如果在另一幅图像中发现厚度为2个像素的黑色直线，则它可能是同一条直线，比例因子将为2.但是，线条的起点和结束位置在哪里？这通常称为“边缘”。
• 然而，横向和纵向的黑色十字会很容易识别，而交叉“开始”和“结束”时不会出现任何障碍。
• 同样，一个“角落”，即两条线结束在一个点，是一个很好的检测功能。

因此，陈述“角是伟大的关键点”。但是，也有“斑点”和“脊”（Types of image features on Wikipedia）。 image gradient operator是一种可以突出显示类角图像区域的功能。

• 将梯度看作两个像素之间的差异。对于垂直线，您可以在水平方向获得峰值（高差）。对于水平线，您可以在垂直方向获得峰值。
• 现在，如果将此渐变操作符应用于修补程序中的每个像素并从中创建直方图，则将应用摘录中提及的三种情况。
• 由于修补程序可能会出现旋转，因此通常首先要分析histogram of oriented gradients以找出主要方向作为关键点的方向。然后看看在正交方向上是否有第二个峰值。