冈萨雷斯数字图像处理学习7：图像分割 点线和边缘的检测

好久没有继续学习数字图像处理的知识了，之前在闷头学吴恩达老师的机器学习课程，感觉还是得补一点专业知识，所以继续拾起冈萨雷斯老师的图像处理，加油加油。

至于底下的支付码，您看了博客觉得好，有帮助就随手转个块八毛的，也是对我的很大鼓励；不转也没关系，您学到了知识是您的，对知识的分享交流才会使我们大家共同进步，所以如果有什么错误或者不足之处还请评论区指正，谢谢。——2017.12.14

一.图像分割的概念

目的：分割是将图像细分成构成子区域或物体，当感兴趣的物体或区域已经被检测出来的时候，就停止分割。

令R表示一幅图像占据的整个空间区域，分成n个子区域满足：

Q是一种逻辑关系，不同的应用导致其不同。

二点线和边缘的检测

对灰度的突变，局部变化可以用微分检测（一阶二阶）

孤立点的检测使用二阶导数，使用拉普拉斯模板，如果在某点处该模板的响应的绝对值超过了一个指定的阈值，就说明模板中心位置的该点被检测到了，这样的点标注为1，其他为0，这样全部检测完就会产生衣服二值图像。

对线的检测：对检测特定方向上的线感兴趣，使用与该方向相关的模板，对其输出进行阈值处理。

边缘模型：根据灰度剖面分三种边缘模型

根据对斜坡模型进行一阶二阶求导得出：

噪声对导数有严重影响，所以使用导数之前应进行图像的平滑处理。

一阶导数用于基本边缘检测：

某点的边缘和该点的梯度向量正交，sober算子可以很好的抑制噪声使其更可取，所有模板系数之和为零，使得恒定灰度区域的响应为零。一般使用绝对值来近似梯度的幅值。

M(x,y)=|gx|+|gy|

对处理的图像先进行阈值处理可以适当减少不必要的检测

canny边缘检测器（目前最好用的边缘检测工具）

在canny图像中，关于连续性、细度和笔直度等线的质量也很出众。

如果对你有所帮助，谢谢您的鼓励^_^

(一块不少，五块更好）