Обзор основных методов контурного анализа для выделения контуров…
5
как
1
1
{ ,
,
}
m
p
p S
и
1
2
{ ,
,
}
n
q q S
при условии, что они удовле-
творяют следующим неравенствам:
{|
| |
|} ;
i
j
i
j
p q
p q
d
x x
y y
{|
|} ;
i
j
p q
u
u u
{|
|} ,
i
j
p q
v
v v
где
,
,
d u v
— пороговые константы;
,
p p
u v
— составляющие
скорости точки
p
в координатах
( ,
);
p p
x y
{1, , },
{1, , }.
i
m j
n
Кластеризация ближайшего соседа — наиболее эффективный
метод для сцен с помехами. Помехи обрабатываются на этапе слеже-
ния [2].
6. Локальная обработка
. Методы обнаружения границ выделя-
ют в изображении только пикселы, лежащие на контуре. На практике
это множество пикселов редко отображает контур достаточно точно
по причине шумов, разрывов контуров из-за неоднородности осве-
щения и т. п. Поэтому алгоритмы обнаружения контуров обычно до-
полняются процедурами связывания, чтобы сформировать множества
контурных точек.
Один из способов связывания точек контура состоит в анализе
характеристик пикселов в небольшой окрестности каждой точки
изображения, которая была отмечена как контурная. Все точки, яв-
ляющиеся сходными в соответствии с некоторыми критериями, свя-
зываются и образуют контур, состоящий из отвечающих этим крите-
риям пикселов. При этом используются два основных параметра для
установления сходства пикселов контура: отклик оператора градиен-
та, определяющий значение пиксела контура, и направление вектора
градиента.
Пиксел контура
0 0
( , )
x y
, расположенный внутри заданной
окрестности точки
( , )
x y
, считается сходным с пикселом
( , )
x y
по
модулю градиента, если
0 0
( , )
( , )
,
f x y f x y E
где
E
— заданный неотрицательный порог, и по направлению гради-
ента, если
0 0
( , ) ( , )
,
x y
x y A
где
( , ) arctg ;
x
x y
y
A
— заданный неотрицательный угловой порог.
Пиксел в заданной окрестности объединяется с центральным
пикселом
( , )
x y
, если выполнены критерии сходства и по значению,
