5.3.1. Edge detectors. Consider the

5.3.1. Edge detectors. Consider the ideal case of a bright object O on a dark background.
The physical object is represented by its projections on the image I. The
characteristic function 1O of the object is the ideal segmentation, and since the
object is contrasted on the background, the variations of the intensity I are large
on the boundary ∂O. It is therefore natural to characterize the boundary ∂O as
the locus of points where the norm of the gradient |∇I| is large. In fact, if ∂O is
piecewise smooth then |∇I| is a singular measure whose support is exactly ∂O.
This is the approach taken in the 60’s and 70’s by Roberts [81] and Sobel [91] who
proposed slightly different discrete convolution masks to approximate the gradient
of digital images. Disadvantages with these approaches are that edges are not
precisely localized, and may be corrupted by noise. See Figure 5.3(b) is the result

ผลลัพธ์ (ไทย) 1:

5.3.1 เครื่องตรวจจับขอบ พิจารณากรณีที่เหมาะของ o สดใสวัตถุบนพื้นหลังสีดำ.
วัตถุทางกายภาพที่เป็นตัวแทนจากการคาดการณ์ที่มีต่อภาพครับ ฟังก์ชั่น 1o
ลักษณะของวัตถุที่เป็นส่วนอุดมคติและตั้งแต่วัตถุ
เทียบบนพื้นหลังการเปลี่ยนแปลงของความเข้มผมเป็น
ขนาดใหญ่บนเขตแดน∂ oดังนั้นจึงเป็นเรื่องธรรมชาติที่จะอธิบายลักษณะเขตแดน∂ o
เป็นทางเดินของจุดที่เป็นบรรทัดฐานของการไล่ระดับสี | ∇ I | มีขนาดใหญ่ ในความเป็นจริงถ้า∂ o คือ
ราบรื่นค่แล้ว | ∇ I |. เป็นมาตรการเอกพจน์ที่มีการสนับสนุนเป็นสิ่ง∂ o
นี้เป็นวิธีการดำเนินการในยุค 60 และยุค 70 โดยโรเบิร์ต [81] และโชเบล [91] ที่
เสนอ แตกต่างกันเล็กน้อยหน้ากากบิดสิ้นเชิงลาดประมาณ
ของภาพดิจิตอล ข้อเสียด้วยวิธีการเหล่านี้เป็นที่ขอบไม่ได้
ท้องถิ่นได้อย่างแม่นยำและอาจจะเสียหายด้วยเสียง ดูรูปที่ 5.3 (ข) เป็นผล

ผลลัพธ์ (ไทย) 2:

5.3.1. ขอบจับ พิจารณากรณีเหมาะของวัตถุสว่าง O บนความเข้มพื้นหลัง
วัตถุทางกายภาพจะถูกแสดง โดยประมาณในรูปของฉัน
1O ฟังก์ชันลักษณะของวัตถุนั้นจะแบ่งห้อง และตั้งแต่
เป็นการเปรียบเทียบวัตถุบนพื้นหลัง รูปแบบของความรุนแรงฉันมีขนาดใหญ่
บน ∂O ขอบเขต จึงเป็นธรรมชาติลักษณะ ∂O ขอบเป็น
โลกัสโพลของจุดปกติของ |∇I| ไล่ระดับ มีขนาดใหญ่ ในความเป็นจริง ถ้า ∂O
piecewise เรียบแล้ว |∇I| เป็นการวัดเอกพจน์สนับสนุนได้ว่า ∂O
นี้เป็นวิธีที่ใช้ใน 60's และซึ่งโรเบิตส์ [81] และ Sobel [91] ที่
เสนอรูปแบบ convolution แยกกันแตกต่างกันเล็กน้อยเพื่อประมาณระดับสี
ของภาพดิจิตอล ข้อเสีย มีวิธีเหล่านี้มีขอบไม่
แม่นยำเป็นภาษาท้องถิ่น และเสียงอาจเสียหาย ดูรูป 5.3(b) เป็นผล

ผลลัพธ์ (ไทย) 3:

5.3.1 . อุปกรณ์ตรวจจับ Edge พิจารณาที่เหมาะสมอย่างดีเยี่ยมกรณีที่สว่างสดใสวัตถุ O บนพื้นหลังสีเข้ม.
ที่ออบเจกต์คือการแสดงออกด้วยการคาดการณ์แนวโน้มของบนที่ ภาพ
ซึ่งจะช่วย I .ที่มีลักษณะเป็นฟังก์ชัน 1 O ของวัตถุคือสิ่งที่ดีเยี่ยมการแบ่งส่วนและนับตั้งแต่ที่
ซึ่งจะช่วยตัดกับออบเจกต์มีในที่พื้นหลัง,ที่แตกต่างกันของความเข้มผมมีขนาดใหญ่
ในเขต ∂o .โรงแรมแห่งนี้จึงเป็นทางธรรมชาติเป็นลักษณะ ∂o เขตที่เป็น สภาพ
ซึ่งจะช่วยได้ในจุดที่เป็นเรื่องปกติของ| ∇i |การไล่ระดับสีที่มีขนาดใหญ่ ในความเป็นจริงแล้วหาก ∂o คือ
piecewise เรียบเนียนแล้ว|| ∇i เป็นที่ตั้งเด่นเป็นสง่าวัดซึ่งให้การสนับสนุนอยู่ตรง ∂o .
นี้เป็นแนวทางการทำงานในที่ 60 และ 70 โดย—โดมินิคโรเบิร์ตส[ 81 ]และ[ 91 ] sobel
ซึ่งจะช่วยผู้ที่เสนอแตกต่างกันเล็กน้อยแยกต่างหาก convolution หน้ากากอนามัยเพื่อโดยประมาณการไล่ระดับสี
ของ ภาพ ดิจิตอล ข้อเสียเปรียบด้วยวิธีการเหล่านี้มีขอบไม่
ซึ่งจะช่วยทำให้แปลเป็น ภาษาต่างๆ และอาจได้รับความเสียหายด้วยเสียง โปรดดูรูปที่ 5.3 ( B )มีผล