边缘检测与特征提取概述
来源：华佗健康网
边缘检测1D、2D
非最大抑制
在二维的情况下，这可以通过检查最接近梯度方向的两个相邻像素来实现。
滞后阈值法（两个阈值）
亚像素精度边缘检测
在得到像素级边后，提取具有亚像素精度的边：我们可以将一个二次曲面拟合到边的振幅上，并在梯度向量的方向上提取其最大值。使用3×3区域中像素级边缘点的梯度值作为拟合信息，进行表面拟合
Accuracy（准确度）和Precision（精确度）的定义
- Precision：我们表示一个提取的值与其平均值的平均接近程度。Precision衡量了我们提取值的可重复性。Precision的官方名称是可重复性（重复精度）。Precision由值的方差给出：𝑉=𝜎2。如果提取的值是精确的，那么它们就会有一个很小的方差
- Accuracy：我们表示提取值的平均与真实值接近程度。Accuracy可以用期望值𝐸（𝑥）与真实值𝑇：[𝐸𝑥−𝑇]的差值来描述
特征提取
几何体的分割与拟合（Segmentation and Fitting of Geometric Primitives）
1、Fitting Lines
-
最小二乘直线拟合（LSLF）
-
鲁棒直线拟合
LSLF对于偏离较大的点是不鲁棒的，为了减少偏离过大点的影响，我们可以怼每个点引入一个权重，对于偏离点的权重应该远远小于1.
-
迭代重加权最小二乘法（IRLS）
权重基于点与拟合直线的距离，但我们并不知道直线的信息，可以通过迭代法来解决：根据前面的点拟合出直线后，计算下一点到直线的距离，重新确定下一点的权重。
权重通过权重函数计算。
2、Fitting Circle
- 最小二乘圆拟合
可以用非线性优化技术进行迭代求解。
-
鲁棒圆拟合
与直线相似
3、Fitting Ellipses
为了将一个椭圆拟合到一个轮廓上，我们希望使用与线和圆相同的原则：最小化轮廓点到椭圆的距离。这要求我们确定与椭圆上每个轮廓点最近的点。虽然这可以很容易地对线和圆确定，但对于椭圆需要找到一个对于椭圆的四阶多项式的根。
4、Segmentation of Contours（边缘分割）
因篇幅问题不能全部显示，请点此查看更多更全内容