复杂边缘情况下的应用-超经典的oraclerman增量备份恢复策略
3．2复杂边缘情况下的应用以上的推导过程均是在一维情况下进行的。一维情况下，图2中X轴是边缘的方向，Y轴是差分值的大小。然而实际的物体的边缘情况是复杂的，且图像是二维的信号，假设X轴方向仍为边缘的方向，它是不断变化的。前一节一维算法要在实际的物体边缘上应用，需要考虑到实际图像的复杂边缘情况。应用原理如图3所示，算法利用前后几个像素的位置关系确定边缘方向，建立X’OY’坐标系，在此坐标系内应用一维的算法得到在Y’方向上的亚像素精度的位置。图中口为两坐标系的夹角，利用此角度的投影关系将之前获得的Y’方向上的距离换算到当前的图像世标系XOY。设在X’OY’坐标系中，得到精确边缘的位置距离定义原点。距离为r，则此点的实际亚像素位置为： xr 2厂sm口(5) y，2，-cOs口图3二维应用原理本算法首先利用链码轮廓跟踪方法【5】将边缘值顺序的记录下来。一般图像的边缘并非总是直线，如图3根据当前边缘像素的前后情况来确定一条直线作为二次曲线拟合原理中的X轴坐标。取垂直于此直线的最邻近4个像素微分值和当前像素作为拟合时的厶、，，、如、五和五，进行拟合运算。初定位得到的单像素级边缘，进行轮廓跟踪之后相邻的边缘点邻接关系部分如图4所示： 65
文件大小：422.78KB
评论区