摘要：
读完10.4 Region Based Segmentation这一小节, 新get到的且需要留意的知识点: Region Spltting and Merging, quadtrees Watershed 算法里的几个概念: regional minima points: 一个region里的最低 阅读全文
摘要：
$A$为方阵, $x_1, x_2$分别为$\lambda_1, \lambda_2$对应的特征向量, $\lambda_1 \neq \lambda_2$. 不同特征值对应的特征向量线性不相关, 即$x_1, x_2$线性不相关 假设$x_1, x_2$线性相关, 则存在非0值$k$使得$x_1 阅读全文
摘要：
因为噪声的存在, 检测出来的edge points有很多都是不相邻的. 所以边缘检测算法通常都有最后的连接步骤: 将属于同一edge的不相邻点连接起来(TODO, 是用一条路径将它们连通, 把路径中的点也作为边缘点吗?) Local Processing 最naive的做法就是检查每个已检测出边缘点 阅读全文
摘要：
Canny边缘检测算法有自己的理论和经验性的推导, 没仔细看/没看明白. 它的步骤如下: 1. 对原图的灰度图进行高斯滤波 2. 求一阶导数, 得到每个像素点的梯度强度和方向. 3. 非最大抑制. 对每个edge candidate像素点, 在它的edge方向上, 它的$3\times 3$邻域内, 阅读全文
摘要：
Metric and Non metric methods. 度量方法的特点是feature vector是数值表达的, 且vector与vector之间可以计算距离/相似性. 大部分常见的机器学习算法都是metric methods. 非度量方法则不需要将feature数值化, 也不能/不需要计算 阅读全文
摘要：
intensity梯度值分布跟图片的大小有关, 比如将一张小图片放大后会变得很模糊, 原先清晰的edge, 即大的梯度值变得模糊. 但是原有的边缘通常还是肉眼可分辨的. 但用Sobel 算子可能就检测不出来的. 为了应付不同scale与blur程度图片的边缘检测, 检测算子需要能大能小, 大的用于检 阅读全文
摘要：
之前已经说过, 一阶和二阶导数都可以用来检测边缘(计算梯度值(gradient)), 但二阶导数对噪声更敏感, 所以, 相比而言, 一阶算子在edge detection中用的更广泛, 如Sobel 算子. 检测水平与垂直方向梯度的算子 检测对角线方向梯度的算子 Prewitt算子与Sobel算子都 阅读全文
摘要：
三种edge 1. Step (阶梯) 2. Ramp (坡) 3. Roof 因为噪声的存在, ramp edge是最常见的. 一阶和二阶算子在ramp edge处的表现 一阶和二阶算子对噪声的敏感性 从上自下, 高斯噪声的方差分别为0, 0.1, 1, 10. 所以在进行edge detecti 阅读全文
摘要：
多元函数的二阶导数又称为Laplacian算子: $$ \triangledown f(x, y) = \frac {\partial^2 f}{\partial x^2} + \frac {\partial^2 f}{\partial y^2} $$ 对于图像上的离散$f(x, y)$: $$ \ 阅读全文
摘要：
一阶导数与二阶导数的计算 图像$I$可以看作$(x, y) \in N^2 \to N$的映射: $i = f(x, y)$. 其中$N$为正整数.很明显$f$在定义域上是不连续的. 不连续函数$f(x, y)$的导数, 严格来说不算能算作导数, 只是形式上与真正的导数相似. 取$\Delta x 阅读全文