5.1 阈值分割 5.2 边缘检测 5.3 区域分割 5.4 Hough变换 5.5 近邻法分割 5.6 基于动态聚类的分割 5.7 基于神经网络的分割 5.8 其它分割方法

1. 小波介绍 1.1 小波简史 1.2 小波概念 1.3 小波分析 1.4 小波定义 2. 哈尔函数 2.1 哈尔基函数 2.2 哈尔小波函数 2.3 函数的规范化 2.4 哈尔基的结构 3. 哈尔小波变换 4. 二维哈尔小波变换 4.1 二维小波变换举例 4.2 二维小波变换方法 5. 图像多分辨率表示 6. 小波变换的多分辨率分析特性 7.小波变换在图像边缘检测中的应用 8.小波变换在图像去噪中的应用

3.4 MATLAB数字图像处理 3.5 图像的灰度变换与直方图 3.6 图像的增强滤波 3.7 图像的空间变换 3.8 图像边缘检测与分割

一、图像增强（去噪） 二、图像分割（边缘检测） 三、目标表达、识别、跟踪 四、图像匹配（数据融合） 五、压缩与编码（JPEG2000） 六、图像数据库 七、基于内容检索（手写体识别，人脸识别） 八、信息隐藏与数字水印

由于岩石材料的不透明性和多孔隙特性, 通过传统的物理试验或数值模拟很难真实体现其内部三维细观结构. 本文基于CT扫描技术、边缘检测算法、滤波算法、三维点阵映射与重构算法, 构建了可以表征玄武岩试样内部孔隙结构的三维细观非均匀数值模型. 结合并行计算进行直接拉伸数值试验, 研究了内部孔隙结构特征对试样破坏机制及抗拉强度的影响. 研究结果表明: 加载初期在试样孔隙处产生初始裂纹, 随着荷载的增加初始裂纹逐渐沿横向扩展最终形成宏观拉伸破坏裂纹, 并且孔隙含量和分布位置对试样拉伸断裂的位置具有重要影响. 随着孔隙率增高, 试样破坏过程中的声发射数目和能量逐渐减小. 拉伸破坏模式呈现脆性破坏特征, 同时孔隙的存在削弱了试样的抗拉强度

2.1 边缘提取的经典方法 2.2 Canny边缘检测算子 2.3 多尺度边缘检测 2.4 小波变换与边缘检测

7.1 图像分割的定义和依据 7.2 边缘点检测 7.3 边缘线跟踪 7.4 门限化分割 7.5 区域分割法

◆7.1 图像分割的定义和依据 ◆7.2 边缘点检测 ◆7.3 边缘线跟踪 ◆7.4 门限化分割 ◆7.5 区域分割法

在基于图像处理的非接触式热轧带钢宽度测量中,存在采集图像边缘模糊的情况.由于图像边缘模糊导致边缘检测不准确,从而严重影响宽度测量精度.为了正确定位,消除模糊边缘对测量精度的影响,在分析比较各类边缘算子的基础上,改进了边缘检测算子,提出并应用双模板法,获得了稳定的和较精确的测量结果,并成功地应用于热轧带钢宽度的工业测量.实测证明了双模板法可以比较精确检测出模糊边缘的带钢宽度

边缘智能简介 基于边缘智能的视频大数据分析 案例：基于视频分析的抬头检测系统