动机
相机不会直接提供物体边界,只记录强度;算法估计强度在哪里急变。低对比可遮住真正边界,阴影或纹理也能生成强变化而没有物体更替。因此第一个数学任务较有限:在指定图像模型下,计算并整理局部变化证据。
微分放大快速变化,也包括噪声。平滑可减少某些噪声,却会把过渡扩散到更多像素。可靠分析必须同时承认两者,不把大梯度当成完美边界标签。后续决策还可能非局部:弱候选可因一条路径连到远处强证据而保留。
本节由离散公式推导归一化 Sobel,证仿射强度场响应与独立噪声方差,再证有限图上的阈值连通算法。这并非完整视觉课程或语义物体识别保证。
定义
定义 8.1.1
(像素坐标与边界规则)
图像强度记为整数像素上的 ,第一坐标水平。以下内部公式假设所需像素均存在;有限数组的补零、反射、裁切或周期延伸须另行规定,边界策略不同,边框输出也不同。
定义 8.1.2
(卷积与相关)
有限支撑卷积核 作用为 。有些软件却把不翻转的 总和也叫卷积,按本约定那是互相关。对称平滑核没有差别,反对称微分核则可能反号。
定义 8.1.3
(归一化 Sobel 响应与梯度幅值)
定义水平中央差分及垂直二项式平滑:
水平归一化 Sobel 为 ,交换坐标得 。平移不变的有限滤波器在无穷网格及有限图像的内部像素上,因有限总和可重排而可交换;边界填补或裁剪策略则可能破坏边界附近的可交换性。展开为:
此尺度令单位斜坡响应为一。不除八的整数核给放大响应,相应阈值也须放大。梯度幅值 ;非零向量给局部等强度线的法向,切向则垂直。两响应皆零时方向未定义。
以上测量的是每像素变化。若实际水平、垂直间距为 ,要用 才是每物理长度的变化:实际斜坡 给原始响应 。间距不等时,不只幅值,实际梯度方向也会改变。两方向同除一个任意常数,不能修正各向不同的网格。
定义 8.1.4
(独立噪声模型)
噪声模型为 , 确定,像素噪声独立、零均值且共同有限方差 。这是模型,不是所有相机自动具有的性质;相关、不等方差或依信号强弱而变的噪声要另算。
定义 8.1.5
(滞后阈值)
阈值连通使用有限像素邻接图,例如四邻居或八邻居,以及固定非负候选分数 。取 ,弱候选 满足 ,强种子 满足 。滞后阈值法保留 中所有可经完全位于 的路径连到 的顶点。图、分数、不等号及同分策略均属定义。
定理/命题
定理 8.1.6
(仿射精确性与独立噪声方差)
对 ,内部像素的归一化 Sobel 给 。在上述独立噪声模型,每个响应对干净滤波响应无偏,方差为 ;未平滑中央差分方差为 。这些是带号响应的方差,不是非线性幅值无偏性的声称。
命题 8.1.7
(滞后阈值就是种子可达性)
先把全部强种子放入队列与保留集。反复取出保留顶点,加入尚未保留的弱邻居。有限图上程序会终止,返回恰好可经弱路径连到强种子的顶点,与访问顺序无关;更换邻接图则可以改变答案。
证明思路
证明
(对称性给出精确性,系数平方和给出方差)
仿射图像经垂直对称平均不变,因偏移加权平均零、权重和一;再作水平中央差分便得 ,换坐标得 。常数被消去,因微分权重和零;这也是核符号与尺度的直接检查。
一般有限线性滤波系数为 。零均值令噪声响应期望为零;展开平方后,独立及中心化令交叉项消失,剩 。Sobel 系数是差分 与平滑 的乘积,所以平方和为 。未平滑时为 ,不需高斯(Gauss)假设便证方差比较。
证明透视
随机改善不等于每个扰动都改善
方差下降用了独立中心化随机噪声,在期望中消去交叉项。对每像素绝对值最多 的任意确定扰动,两个归一化核都只给 。所以较小随机方差不代表每种最坏扰动响应都更小;“较不敏感”要附误差模型。
证明
(对路径长度归纳的可达性)
连通算法的可靠性:种子有零长路径;每加入弱邻居,把新边接到已有种子路径,即仍有合法路径。完整性按种子路径长归纳:首点初始已入;循环直到队列清空才结束,因此每个已入队前驱最终都会处理并加入下一点,所以所有弱路径可达点都到达。入队即标记避免重处理,有限顶点与边给终止;邻接表下时间 。可达集与遍历顺序无关。
概念视角结构
滞后作为弱子图的连通分量
等价地,一个弱子图连通分量恰在含强种子时全部保留。降低 可搭起桥,把整片弱分量接入;提高 可删掉最后种子,即使该分量其他分数不变,也整片移除。这是阈值的全局效果。
例题详解
例题 8.1.8
(斜坡检查尺度与几何意思)
在内部给 ,幅值 ,在 坐标框架内测量的法向角约负 度,等强度切向垂直。反转对比会反转梯度,幅值却不变。整个斜坡都有非零响应,并非自动形成细边图,仍需选择策略。
例题 8.1.9
(先平滑会把阶跃扩散)
一维 在负索引为零,非负为一。中央差分在负一、零为 ,别处零。先在同一坐标以 平滑,跳点附近负一值 、零值 ;再差分,负二至一的响应为 。总响应仍一,但峰值下降、分布变宽。此例是沿差分方向预平滑,与 Sobel 定义中的垂直平滑不同。
例题 8.1.10
(弱孤岛与含种子分量)
七像素链分数 ,。弱索引为 ,种子 ;保留 ,丢弃弱孤岛 4。只保留直接邻接种子的弱点,会错删索引 2;必须重复传播才符合分量定义。
数值上 给未平滑方差二、Sobel 方差 。方差比 ,标准差比却是 ;把两者混淆会夸大减幅。干净响应仍只是滤波梯度估计,不是任何非仿射图像的精确导数。
常见错误
反例模式
局部分数改变可以删掉远处弱点
链分数 ,,三点都由首点种子保留。只把中点降至二,弱路径断开,末点仍为三却被删。滞后法依连通性,不是逐点独立分类;这是设计作用,也可能让偶然噪声桥接起错误区域。
常见错误
(以为阈值梯度必定是一像素宽的边)
非最大抑制通常沿估计法向,把梯度幅值与附近值比较,并须指定插值规则。它可以使山脊变薄,但数值相等的平台需要规定同分策略。横过一条边的幅值剖面 有两个相等的最大值:保留同分的规则得到两像素宽的边,要求严格最大值的规则则把这条边删去。梯度方向是法向,追踪边缘的切向与它垂直;混淆两者,会沿错误方向抑制或追踪。
常见错误
(把边框输出当作边)
边界处理会改变靠近边框的输出。对常数图像 补零,第一列(且在内部行)的像素得 ,虽然图像根本没有边。周期延伸把相反的边接起来,只对周期模型自然,未必适合照片。内部精确性定理不能保证这些边框输出。
常见错误
(把中心化的带号噪声响应当作零幅值)
一个以各 的概率取 或 的带号响应,均值为 ,但它的幅值必为 。取范数是非线性且非负的,所以在常数的干净区域中,测量到的幅值平均可以为正,即使每个带号响应都是中心化的。
因此,阈值、对比尺度及任务评估都需另行确定。检测强度变化是有用的特征提取步骤,但识别物体或这些变化的物理成因,仍需要其他模型。
总结
归一化 Sobel 是尺度可核对的差分与平滑组合,仿射响应与噪声方差直接来自系数的矩。平滑同时改变噪声与定位,滞后法则把候选变成含种子连通分量。带号响应、幅值、细化、连通性及语义理解应分开分析。
练习
快速检查
(求 的两个 Sobel 响应及幅值。若使用未归一化的整数 Sobel 核,结果有何改变?)
解答 · 答案
带号响应是 与 ,幅值为 。不除以八的整数核会把两个响应及幅值都乘以八,得 、 与 。这个共同的正数倍率不改变方向,但阈值必须同样缩放,才能保持原来的选择。
快速检查
(把两个独立的中心化差分估计取平均,每个的方差是 。求平均的方差,并解释为何共用像素可能令这个计算失效。)
解答 · 答案
独立性给出方差 。一般而言还有协方差项:平均的方差是 。共用的有噪声像素可令协方差不为零,所以对两个重叠的模板取平均,不一定等于对独立观测取平均。
练习 8.1.11
(在分数为 的链上,阈值 、,求滞后输出。保持 不变,改用 重算,并解释被移除的顶点。)
核心
解答(3)
- 1
求 L = 2 时的弱分量
关键一步
弱候选的分数至少为 :索引 。强种子的分数至少为 :索引 与 。弱分量是 与 ,各含一个种子,所以五个顶点全部保留。
- 2
在 L = 3 时重算
弱候选的分数现在至少为 :索引 。分数为 的索引 与 不再是弱候选。分量是 与 ,都含种子,所以保留的顶点是 。
- 3
解释移除原因
顶点 与 被移除,是因为候选集改变了,而不是它们的分数或强种子改变了。
练习 8.1.12
(对固定的分数场与固定的图,证明在保持 的情况下,提高任一阈值都不能增加保留的顶点。由四邻接改为八邻接,单调方向是否相同?)
核心
解答(3)
- 1
提高 L 使弱集缩小
关键一步
若 ,每个满足 的顶点也满足 ,所以弱集只会缩小。
依据: 弱集是 。
- 2
提高 H 使种子集缩小
同样,若 ,每个满足 的顶点也满足 ,所以种子集只会缩小。
- 3
比较保留集
在较大阈值下被保留的顶点,有一条完全落在较小弱集内、通向较小种子集中某个种子的路径。同一条路径和同一个种子在原来的阈值下依然可用,所以该顶点原本已被保留:提高阈值不可能增加顶点。八邻接则是在四邻接图上加边,所以每条四邻接的弱路径仍然是路径。分数与阈值固定时,它可以增加保留的顶点,却不能移除任何顶点,方向刚好相反。这个结论来自路径包含,并非声称任何一种邻接必然更准确。