29、边界模式分析：从基础到优化

边界模式分析：从基础到优化

1. 引言

在图像处理中，将灰度图像二值化并把对象呈现为二维形状，阈值处理是常用方法。但这种对象分割方法，只有在精心控制光照，且对象能方便呈现（如亮背景上的暗斑块）时才有效。在其他情况下，自适应阈值处理或边缘检测方案可能更合适，边缘检测通常对光照问题更具抗性。

不过，对边缘增强图像进行阈值处理仍存在问题，比如边缘在某些地方会逐渐消失，在其他地方会变粗。理想情况下，边缘检测器的输出应该是围绕对象周边的连续单宽度线条。若未使用Canny或其他采用非极大值抑制的算子实现这一点，就需要采取措施将边缘转换为这种形式。

以下是边缘处理中可能遇到的问题及解决方法：
|问题|解决方法|
| ---- | ---- |
|边缘粗细不均|使用细化算法将边缘减为单宽度，同时保持连接性。灰度边缘细化算法可减少因像素不均匀剥离导致的偏差和不准确。|
|噪声毛刺|移除长度小于3像素的线条可有效消除对象边界周围的噪声毛刺。|
|边界断裂|可采用多种方法重新连接断裂的边界，但许多方法是临时的，可能产生错误结果。模型驱动的方法（如拟合椭圆）或松弛标记法、滞后阈值处理法可能更可靠。|

细化算法虽能将边缘减为单宽度，但存在一些问题：
- 由于像素不均匀剥离，即使是最好的算法，生成的线条局部也只能在理想位置的1/2像素范围内，存在轻微偏差和不准确。
- 会引入一定数量的噪声毛刺。

对于重新连接断裂边界，有多种临时方案，但都存在局限性：
- 沿现有方向延伸线端，方向有限，延伸线端可能无法相遇。
- 连接距离足够近且方向相似的线端，可能会将真实表面标记和阴影产生的相邻